En ny sammenlignende undersøgelse fra arXiv viser, at traditionelle sentimentanalysemodeller som RoBERTa er utilstrækkelige, når det kommer til at analysere politiske nyheder. Ifølge undersøgelsen klassificerer RoBERTa hele 70% af de analyserede politiske artikler som neutrale – et fænomen forskerne kalder "neutral collapse". Det betyder, at indholdsrig politisk kommunikation bliver fladtrykt til en analytisk uinterssant kategori, hvilket gør det svært at bruge traditionel sentimentanalyse til at forstå politisk diskurs i dybden.
I modsætning hertil formår en LLM-baseret tilgang at fange politisk bias-retning og -intensitet, sensationalisme, følelsesmæssig appel og politisk framing. Den LLM-baserede platform leverer dermed multidimensionelle analytiske resultater, der langt bedre matcher de epistemologiske behov i samfunds- og humanvidenskaberne (SSH). Forskerne argumenterer for, at traditionel sentimentanalyse alene er utilstrækkelig til politisk medieanalyse, og at LLM-baserede rammer udgør et mere adækvat beregningsmæssigt perspektiv.
For beslutningstagere – hvad enten de arbejder med medieovervågning, politisk kommunikation eller samfundsforskning – betyder det, at man bør overveje at opgradere fra klassiske sentimentmodeller til LLM-baserede analyser, hvis man vil have brugbar indsigt i politiske nyheder. Traditionelle værktøjer risikerer at skjule de nuancer, der er afgørende for at forstå magtforhold, retorik og offentlig opinion.
