Poliittisten asenteiden binääriluokittelu koneoppimismenetelmillä

Abstract

Tutkielmassa verrattiin kolmen koneoppimismallin kykyä luokitella poliittisia asenteita selittävien muuttujien avulla. Ennustettavat luokittelumuuttujat olivat vas- taajan kokemus onko hän “woke” (kyllä tai ei) ja kokeeko vastaaja väkivallan oikeutetuksi “poliittisesti vaarallisia” ihmisiä kohtaan. Luokittelussa käytettiin 18 selittävää muuttujaa, jotka jaettiin demografisiin (esim. ikä ja sukupuoli), poliittisiin (esim. arvostan demokratiaa) ja psykologisiin (esim. arvio omasta onnellisuudesta 1-10). Käytetyt koneoppimismallit olivat logistinen regressio, gradienttitehostus ja XGBoost. Tutkielmassa käsiteltiin tekijän itse keräämiä poliittisen psykologian aineistoja vuosilta 2022, 2025 ja 2026, joiden otoskoot olivat n = 4934 , n = 626 ja n = 1066 . Ensimmäisellä näistä koulutettiin malli ja kahta jälkimmäistä käytettiin valmiin mallin testaamiseen. Luokittelun onnistumista tarkasteltiin standardimetriikoilla: ROC-AUC, PR-AUC, tarkkuus, tasapainotettu tarkkuus ja F1. Muuttujien permu- taatiotärkeyttä tarkasteltiin tärkeimpien selittäjien löytämiseksi ja poistokokeilla tarkasteltiin vaihtoehtoisia, yksinkertaisempia malleja. Tutkielmassa havaittiin, että koulutetut mallit toisintuivat myöhemmin kerä- tyissä aineistoissa hyvin. Samoin havaittiin, että yksinkertaisetkin mallit ennustivat toista luokittelutehtävää kohtalaisen hyvin: “woke”-itsearviota kyettiin ennustamaan kohtalaisesti pelkällä turvallisempiin tiloihin liittyvällä kysymyksellä koulutetulla mallilla. Tutkielmassa tarkasteltiin uudehkoa poliittisen psykologian sovellusaluet- ta, jolla tutkimuskirjallisuutta on rajallisesti. Tämä tutkielma on luultavasti kyseisen alan tutkimuskirjallisuudessa menetelmävalinnaltaan ensimmäinen laatuaan.