В последние годы появилась возможность анализировать большое количество текстов с помощью количественных методов. Интернет предоставляет политологам не только большое количество данных, но и доступные программные пакеты для анализа текста, при этом обучая политологов, как нужно работать с большими текстовыми данными.

В результате можно сделать вывод, что исследования по принципу «текст как данные» становятся одним из главных направлений в политической науке. Так, в статье Вилкерсона и Касаса описываются 4 основных этапа в исследовании на основе «текст как данные». Затем авторы рассматривают последние новинки в области политологии и подробно останавливаются на важной методологической проблеме: проблеме нестабильности метода тематического моделирования.

В разделе инноваций авторы отмечают, что политологам на данный момент достаточно следовать за специалистами по машинному обучению, используя методы кластеризации, метод ближайших соседей, LDA и т.д. Таким образом, авторы делают вывод о том, что технологический потенциал у исследователей политической науки пока слабоват. Обратить же им внимание следует на их сильную сторону и одновременно ахиллесову пяту: политологи сильны своими интерпретативными навыками, тогда как они лишь тратят время в погоне за точностью моделей

Статья канадских исследователей Муеллера и Рауха является наглядным примером исследования по политической науке с применением методов тематического моделирования.

В первой статье последнего декабрьского выпуска журнала «American Political Science Review» показывается, как можно спрогнозировать вооруженный конфликт на основе анализа газетных текстов. Инновационная составляющая данного подхода состоит в том, что количественные характеристики газетных материалов, учитывая различия между темами и странами, позволяют прогнозировать потенциальные конфликты даже в тех странах, в которых они не свойственны. Так, данный подход позволяет избегать тенденции прогнозировать конфликт только в странах, где конфликты являются постоянным явлением.

Безусловно, современная литература может рассказать о характеристиках, из-за которых страны более подвержены риску возникновения вооруженных конфликтов. Среди таких характеристик выделяют горную местность, этническую поляризацию и прочие переменные, которые, по мнению авторов, хорошо описывают кейсы, но никак не увеличивают точность прогнозов. Другие же факторы, такие как ВВП или политические институты, по-прежнему значительно отличаются между странами, что усложняет сравнение. Так, авторы останавливаются на проблеме выявления сроков конфликта и ставят её за основу своего исследования.

В практической части, используя регрессионную модель с панельными данными, авторы показывают, что многие переменные предсказывают вооруженный конфликт лишь там, где таковые происходили раньше, а поэтому не могут предсказать конфликт в мирных странах. Так, Муеллер и Раух используют модель LDA на основе более 700 000 газетных англоязычных изданий с 1975 года из 185 стран мира. Авторы объясняют свой выбор следующими аргументами.

Во-первых, темы обеспечивают глубину исследования, потому что по дизайну они помещают слова в контекст, который может быть полезен для прогнозирования. Во-вторых, темы предоставляют ширину, потому что они позволяют нам использовать весь текст, в том числе стабилизирующие факторы, при прогнозировании конфликта. Это означает, что мы можем позволить данным говорить, не теряя интерпретируемости результатов. В результате модель полностью опирается на текст новостей и поэтому может предоставлять прогнозы без необходимости экстраполяции или ожидания других источников.

В качестве заключительного шага авторы используют вариации внутри страны, то есть, влияние и возможность появления конфликтов на страновом уровне, чтобы предсказать конфликт из выборки.

Для этого шага авторы вычисляют долю слов, написанных по каждой теме в каждой стране и году. Затем эти темы используются в регрессии фиксированных эффектов в стране, чтобы предсказать начало конфликта в следующем году. Таким образом, время конфликта может быть предсказано более точно, чем в отношении переменных, которые раньше использовались в литературе.

В заключении авторы показывают, что тематическое моделирование — достаточно привлекательный метод для прогнозирования в политической науке. Во-первых, результаты могут быть легко интерпретированы, потому что темы предоставляют значимые резюме текста. Во-вторых, алгоритм, который генерирует темы, может учиться на меняющейся ассоциации терминов. Так, например, термин «повстанцы» служит не только новым аналогом слова «террорист», но и показателем риска конфликтов. В-третьих, тематическое моделирование использует отрицательные ассоциации между темами и конфликтным риском в предсказании. Фактически, большая часть прогноза, по-видимому, исходит из тем, которые не связаны напрямую с конфликтами, а поэтому мы действительно можем отойти от предсказаний к интерпретативным прогнозам.