Udvikling af retfærdighedsforståelser i det politiske sprog - Kategorisering af folketingstaler med maskinlæring
Oversat titel
Development in Justification Use in Political Language - Categorising Danish Parliament Speeches with Machine Learning
Forfatter
Jørgensen, Jeppe Sand Krejberg
Semester
4. semester
Uddannelse
Udgivelsesår
2026
Afleveret
2026-10-12
Resumé
Dette speciale undersøger, hvordan politikeres forståelser af retfærdighed udvikler sig i det danske politiske sprog, og hvordan disse kan identificeres automatisk ved hjælp af maskinlæring. Med afsæt i fransk pragmatisk sociologi og Boltanski & Thévenots teori om retfærdighedsregimer (ordener af værd) udvikles en model, der kategoriserer Folketingstaler efter, hvilke former for retfærdiggørelse de trækker på, herunder bl.a. borgerlige, industrielle, markeds-, domestiske, inspirations-, opinions- og grønne regimer. Specialet kombinerer træningsdata fra danske folketingsdebatter med et eksisterende maskinlæringsdatasæt og benytter fåskudsmetoden SetFit i en iterativ arbejdsproces til at forfine modellens præcision. Den endelige model opnår en makro F1-score på 0,65 og en balanced accuracy på 0,81 og demonstreres kvalitativt at kunne genkende forskellige retfærdighedsregimer i nye, ikke tidligere sete taler. Modellen anvendes herefter på samtlige danske folketingsdebatter fra 1998 til 2024 for at kortlægge, hvordan brugen af de forskellige retfærdighedsforståelser har ændret sig over tid. Analysen viser blandt andet en bevægelse mod mere alsidige begrundelser fra midten af 2010’erne, et fald i brugen af markedsregimet og en stigning i brugen af det domestiske og det grønne regime. Disse udviklinger fortolkes som udtryk for bredere samfundsmæssige forandringer, herunder omstillinger inden for neokapitalismen, øget klimaopmærksomhed og nye populistiske tendenser. Specialet bidrager således både metodisk ved at vise, hvordan maskinlæring kan anvendes til at analysere politisk retorik i stor skala, og substantielt ved at belyse langsigtede ændringer i politiske retfærdighedsforståelser i Danmark.
This thesis examines how politicians’ understandings of justice develop in Danish political language and how these justifications can be identified automatically using machine learning. Grounded in French pragmatic sociology and Boltanski & Thévenot’s theory of orders of worth (justice regimes), a model is developed to categorise parliamentary speeches according to the types of justification they employ, including civic, industrial, market, domestic, inspired, opinion-based and green orders. The study combines training data from Danish parliamentary debates with an existing machine learning dataset and uses the few-shot learning approach SetFit in an iterative workflow to refine model performance. The final model achieves a macro F1-score of 0.65 and a balanced accuracy of 0.81, and a qualitative inspection shows that it can reliably recognise different justice regimes in previously unseen speeches. The model is then applied to all Danish parliamentary speeches from 1998 to 2024 to map how the distribution of these justifications changes over time. The analysis indicates a shift towards more versatile uses of justification from the mid-2010s onward, a decline in the use of the market order, and an increase in domestic and green orders. These trends are interpreted as reflecting broader societal transformations, including shifts within neocapitalism, growing public concern about climate change and new forms of populism. The thesis thus contributes methodologically by demonstrating how machine learning can be used to analyse political rhetoric at scale and substantively by illuminating long-term changes in political understandings of justice in Denmark.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet fuldtekst]