Politischer Diskurs: Kommunikative KI und deliberative Qualität (ComAI P6)

• Laufzeit: 2025 – 2028
• Projektleitung: Prof. Dr. Cornelius Puschmann, Dr. Gregor Wiedemann

Debatten im Internet werden aufgrund ihrer Schnelligkeit, ihres Umfangs und ihrer Zugänglichkeit als wichtig für den politischen Diskurs über grundlegende gesellschaftliche Herausforderungen angesehen. Gleichzeitig sind Debatten auf Social-Media-Plattformen oft polarisiert und durch Probleme wie Hassrede, Inzivilität, mangelnde Sachlichkeit und Einseitigkeit der Argumente gekennzeichnet.

In dem Projekt wird kommunikative KI in der sozialen Domäne des politischen Diskurses mit Hilfe von Diskurs-Monitoring und Diskurs-Intervention erforscht. Mit einem weitgehend experimentellen Ansatz werden die Auswirkungen von Social Bots, die Large Language Models (LLMs) verwenden, auf die Qualität der Deliberation untersucht. Als Fallstudien dienen hierbei deutschsprachige Debatten zum Thema Klimawandel auf Twitter/X, Mastodon und Bluesky.

Indem wir die Diskurstheorie mit den jüngsten Innovationen im Bereich der LLM kombinieren, werden wir den öffentlichen politischen Diskurs sowohl beobachten als auch in ihn eingreifen. Wir werden eine Gruppe öffentlicher Sprecher:innen zum Thema Klimawandel einbeziehen, die ihr Einverständnis zur Teilnahme von Bots an den von ihnen initiierten Debatten geben.

Dies ermöglicht es uns genau zu untersuchen, wie Social Bots im politischen Diskurs wirksam werden, indem wir Diskursverläufe mit und ohne Bot-Intervention vergleichen und durch begleitende Nutzer:innenbefragungen analysieren.

Publikationen:

• Fedtke, C., & Wiedemann, G. (2020). Hass- und Gegenrede in der Kommentierung massenmedialer Berichterstattung. In S. Breidenbach, P. Klimczak, & C. Petersen (Eds.), Soziale Medien (pp. 91–120). Springer Fachmedien. doi: 10.1007/978-3-658-30702-8_5
• Jurkschat, L., Wiedemann, G., Heinrich, M., Ruckdeschel, M., & Torge, S. (2022). Few-Shot Learning for Argument Aspects of the Nuclear Energy Debate. Proceedings of the Thirteenth Language Resources and Evaluation Conference, 663–672. https://aclanthology.org/2022.lrec-1.69
• Münch, F. V., Thies, B., Puschmann, C., & Bruns, A. (2021). Walking Through Twitter. Social Media + Society, 7(1). doi: 10.1177/2056305120984475
• Puschmann, C. (2019). Assessing the Diversity of Political Search Results. Digital Journalism, 7(6), 824–843. doi: 10.1080/21670811.2018.1539626
• Puschmann, C., Ausserhofer, J., & Šlerka, J. (2020). Comparing issues on the Facebook pages of the Pegida movement and the Alternative for Germany. European Journal of Communication, 35(3), 230–248. doi: 10.1177/0267323120922068
• Puschmann, C., & Pentzold, C. (2021). A field comes of age: Tracking research on the internet within communication studies, 1994 to 2018. Internet Histories, 5(2), 135–153. doi: 10.1080/24701475.2020.1749805
• Ruckdeschel, M., & Wiedemann, G. (2022). Boundary Detection and Categorization of Argument Aspects via Supervised Learning. Proceedings of the 9th Workshop on Argument Mining, 126–136. https://aclanthology.org/2022.argmining-1.12
• Trilling, D., Kulshrestha, J., Vreese, C. de, Halagiera, D., Jakubowski, J., Möller, J., Puschmann, C., Stępińska, A., Stier, S., & Vaccari, C. (2022). Is sharing just a function of viewing? Journal of Quantitative Description: Digital Media, 2. doi: 10.51685/jqd.2022.016
• Wiedemann, G. (2019). Proportional Classification Revisited. Social Science Computer Review, 37(2), 135–159. doi: 10.1177/0894439318758389
• Wiedemann, G., Münch, F. V., Rau, J. P., Kessling, P., & Schmidt, J.-H. (2023). Concept and challenges of a social media observatory as a DIY research infrastructure. Publizistik. doi: 10.1007/s11616-023-00807-6