Measuring Institutional "Wokeness": Text as Data Approach

Abstract

Práce zkoumá koncepty "wokeness" a bytí "woke" ve spojení s politickými institucemi USA. "Wokeness", termín pocházející z "uvědomění si" sociální nespravedlnosti které čelili především Afroameričané, se vyvinul v mnohostranný koncept ovlivňující moderní politický diskurz. Tiskové zprávy federální vlády USA, vlád dvou amerických států a univerzit se sídlem v USA z let 2001 až 2024 jsou klasifikovány na základě předem definovaných kritérií indikujících "wokeness", jako je důraz na skupinové identity, rovnost výsledků mezi identitními skupiny a sociální aktivismus bojující za tyto cíle. Metodologicky práce využívá jazykové modely pro klasifikaci textu, zejména "fine-tuned" model DeBERTaV3-Large, a navrhuje nové metody pro "fine-tuning" a evaluaci jeho validity. Výzkum odhaluje časové a institucionální rozdíly v přítomnosti "wokeness", s výrazným nárůstem frekvence výskytu od nástupu administrativy presidenta Bidena. Podrobná statistická analýza odhaluje asociaci "wokeness" s Demokratickou stranou, a to více v posledních letech, což je v souladu s předpokladem "wokeness" jako levicové ideologie s komplikovaným vztahem k multikulturalismu a široce čerpající z kritických teorií. Práce si obecně klade za cíl přispět politologickému výzkumu dvěma způsoby: otestovat používání automatizované klasifikace...

The thesis explores the concepts of "wokeness" and "being woke" in connection to U.S. political institutions. It is argued that the "wokeness", a term originating from the awareness of social injustices faced primarily by black Americans, has evolved into a multi-faceted concept influencing modern political discourse. U.S. federal government's, along with state governments' and U.S.- based universities' press releases from 2001 to 2024 are classified based on predefined criteria indicative of "wokeness", such as emphasis on the primacy of group identity, inter-group equality of outcome measures and social activism to those ends. Methodologically, the thesis utilises language models for text classification, particularly the fine-tuned DeBERTaV3-Large model, and proposes novel techniques for fine-tuning and evaluating its performance. The findings reveal temporal and institutional variance in the expression of "wokeness", with a significant increase since the advent of the Biden administration, pointing to it being a more recent phenomenon. Statistical analysis further reveals a more significant association of "wokeness" with the Democratic party and much more so in recent years, falling in line with the assumption of "wokeness" as a left-wing ideology with a complicated relationship with...