Lezing door gastonderzoeker Maria Becker: Het verkennen van (automatische) analyse van moralisaties in argumentatieve contexten

Tijdens deze hybride lezing zal Maria Becker, een gastonderzoeker bij het Centre for Digital Humanities, haar onderzoek bespreken waarin ze kwalitatieve en kwantitatieve methoden combineert om moraliserende praktijken in teksten te detecteren en te analyseren. Iedereen is welkom om haar lezing bij te wonen, zowel persoonlijk als online.

In het kort

Morele waarden hebben een sterke invloed wanneer ze worden gebruikt in argumentatieve contexten, aangezien ze vaak een maatschappelijke opvatting vertegenwoordigen van wat als juist/goed en fout/slecht wordt beschouwd. Denk bijvoorbeeld aan termen zoals 'vrijheid' en 'ongelijkheid'. Als gevolg hiervan ontstaan er moraliserende praktijken als krachtige discoursmiddelen en worden ze veelvuldig gebruikt door sprekers en schrijvers in politieke toespraken, online discussies en krantencommentaren.

Beckers methoden omvatten onder andere het maken van een meertalig woordenboek met woorden die wijzen op moraliserende praktijken, het geautomatiseerd ophalen van moralisaties uit teksten, en de annotatie en analyse van (linguïstische) kenmerken van moraliserende praktijken.

Abstract

(Deze lezing is in het engels, zie hieronder Becker's abstract.)

In recent years, researchers from different fields (such as social and political science, psychology, or computational social science) have investigated moral attitudes of individuals and societies as well as the morality of AI systems such as ChatGPT. However, so far there have been only few studies on the phenomenon of utilizing moral values as a discursive strategy, which we refer to as moralizations or moralizing practices. When people moralize, they refer to moral values in order to support their arguments on controversial topics and to underline their claims.

Since there are usually very consistent views within a society about what is right/good and what is wrong/bad, using moral values such as “freedom” and “credibility” (which is good) or “cheating” and “inequality” (which is bad) have a strong effect when used in argumentative contexts, like in the following example (taken from a speech in the German parliament): “We should introduce an upper limit for refugees to ensure the security of German citizens.” Here, the word “security” is used to support the demand for a cap for refugees, which therefore appears justified, since everyone agrees that security is something desirable.

Moralizing practices are widely used by many speakers and writers (and not only in populistic contexts as in the example above), e.g. in political speeches, online discussions or newspaper commentaries, and are an important discourse practice. We propose an approach for detecting and analyzing moralization practices that is applicable to texts from different genres and domains as well as from different languages.

Our approach combines qualitative and quantitative methods such as the creation of a multi-lingual dictionary with words that hint at moralizing practices, the automated retrieval of moralizations from texts, and the annotation and analysis of (linguistic) features of moralizing practices. We show that moralizations are characterized by specific linguistic and pragmatic features, which in turn can be used for building computational models that automatically detect and analyze moralizations in texts.

Over

Maria Becker is onderzoeker bij het Leibniz Institute for the German Language (IDS) en aan de Universiteit van Heidelberg (Duitsland), waar ze de onderzoeksgroep 'Computational Modeling of Complex Research Topics from the Humanities' leidt. Ze behaalde haar masterdiploma in Taalkunde, Filosofie en Psychologie, en haar PhD in Computational Linguistics. Maria is geïnteresseerd in de toepassing van machine learning-methoden op het gebied van digital humanities. Haar onderzoeksinteresses omvatten verder corpuslinguïstiek, discoursanalyse, mediataalkunde, annotatiestudies, wetenschapscommunicatie en sociolinguïstiek.