モデル同士の衝突：汎用ニュースフレーム検出におけるBERT系バリアントの性能比較

概要: フレーミングは、政治コミュニケーションにおいて最も広く適用されている理論の一つであり続けている。計算の分野では、特にトランスフォーマー・アーキテクチャの導入、そしてさらに大規模言語モデル（LLM）の登場によって、近年、研究者がさまざまな新しい計算的アプローチ、とりわけ演繹的なフレーム検出のための手法を探究することが自然に促されてきた。多くの研究が、さまざまなトランスフォーマーモデルが、単語袋（bag-of-words）特徴量を用いる従来モデルを上回ることを示している一方で、分類タスクにおいてこれらのモデルを互いにどう比較するのか、という議論はなお発展し続けている。本研究は、この節目に位置することで、次の3つの主要な貢献を行う。第一に、汎用的なニュース・フレーム検出を比較的に実施し、5つのBERT系バリアント（BERT、RoBERTa、DeBERTa、DistilBERT、ALBERT）の性能を比較することで、政治コミュニケーション研究に計算言語分析を用いる際のベストプラクティスに関する議論に資する。第二に、汎用的なニュース・フレーム検出を頑健に実行できる、さまざまな微調整済みモデルを導入する。第三に、米国中心のデータを扱う多数の先行研究を踏まえつつ、本研究は、スイスの選挙状況に基づく、ラベル付きの汎用ニュース・フレーム・データセットを研究コミュニティに提供し、これらの計算的アプローチのフレーミング分析に対する文脈的ロバスト性の検証を可能にする。