Die Erkennung von politischem Protest auf Bildern in sozialen Medien

Aufgrund der aktuellen Fortschritte in der Computer Vision stützen sich Sozialwissenschaftler zunehmend auf Bilder als Daten. Ein Anwendungsbereich ist die Erkennung politischer Ereignisse anhand dieser Bilder, z. B. politischer Proteste. Bestehende Klassifizierungsverfahren erreichen zwar eine hohe Genauigkeit, aber es ist schwierig, systematisch zu beurteilen, auf welche visuellen Merkmale sie ihre Klassifizierung stützen.

Wir stellen eine neue zweistufige Klassifizierungsmethode vor, die dieses Problem behebt.  In der ersten Stufe nutzt unsere Methode die Bildsegmentierung, um die auf dem Bild vorhandenen Objekte zu erkennen. Diese Information wird dann als (nicht-visueller) Merkmalsvektor dargestellt, der in der zweiten Stufe von Standard-Klassifikatoren für maschinelles Lernen verwendet werden kann. Wir wenden unsere Methode auf einen neuen Datensatz von Protestbildern an. Wir zeigen, dass diese Methode nicht nur das Endergebnis (Protest) vorhersagt, sondern auch viel transparentere Einblicke in die Daten ermöglicht. Wir zeigen zum Beispiel, wie sie zur Untersuchung länderübergreifender Unterschiede in der Protesttaktik eingesetzt werden kann, was eine wichtige Frage für die vergleichende Forschung ist.

Die Teilnahme ist für alle Interessierten offen!