合意から分岐した判断へ：ホロコースト口述史におけるABC層別センチメント

要旨: 極性（ポラリティ）の検出は、特にホロコーストの口述史のような、複雑な談話構造をもつ不均質で長文の物語において、ドメインシフト下では大きく難しくなる。本論文は、107,305の発話と579,013の文からなるコーパスに対し、3つの事前学習済みトランスフォーマーベースの極性分類器を用いて、長文のホロコースト口述史に対する市販（オフザシェルフ）の感情分類器の大規模診断研究を示す。モデルの出力を収集した後、モデル間の出力安定性を層化するための、合意ベースの安定性分類法（ABC）を導入する。系統的な不一致を局所化するために、ペアごとの一致率、Cohenのκ、Fleissのκ、ならびに行正規化した混同行列を報告する。補助的な記述的信号として、合意の各層から層化したサンプルにT5ベースの感情分類器を適用し、層間での感情分布を比較する。複数モデルによるラベル三角測量とABC分類法の組み合わせは、センシティブな歴史的ナラティブにおいて、感情（センチメント）モデルがどこでどのように分岐するのかを特徴づけるための、慎重で運用可能な枠組みを提供する。モデル間の合意は全体として低〜中程度であり、その主な要因は中立性（neutrality）をめぐる境界判断による。