Key points are not available for this paper at this time.
Wir präsentieren einen methodologischen Workflow unter Verwendung von zwei Open-Science-Tools, die wir entwickelt haben. Das erste, FBAdLibrarian, sammelt Bilder aus der Facebook-Werbe-Bibliothek. Das zweite, Pykognition, vereinfacht die Gesichts- und Emotionserkennung in Bildern mithilfe von Computer Vision. Wir bieten einen methodologischen Workflow zur Nutzung dieser Tools und wenden sie auf eine Fallstudie der US-Vorwahlen 2020 an. Wir stellen fest, dass einzigartige Bilder von kandidierenden Personen nur einen Bruchteil (<.1%) der Gesamtanzeigen ausmachen. Darüber hinaus zeigen wir, dass die Kandidaten in ihren Gesichtsausdrücken am häufigsten Glück und Ruhe darstellen und sie selten Gegner in bildbasierten Anzeigen von ihren offiziellen Facebook-Seiten angreifen. Wenn Kandidaten angreifen, werden die Gegner mit Emotionen wie Wut, Traurigkeit und Angst dargestellt.
Schmøkel et al. (Mon,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: