Blameocracy: Causal Attribution in Political Communication

Auteurs : Francesco Bilotta, Alberto Binetti, Giacomo Manferdini

Licence : CC BY 4.0

Résumé : We propose a supervised method to detect causal attribution in political texts, distinguishing between expressions of merit and blame. Analyzing four million tweets shared by U.S. Congress members from 2012 to 2023, we document a pronounced shift toward causal attribution following the 2016 presidential election. The shift reflects changes in rhetorical strategy rather than compositional variation in the actors or topics of the political debate. Within causal communication, a trade-off emerges between positive and negative tone, with power status as the key determinant: government emphasizes merit, while opposition casts blame. This pattern distinguishes causal from purely affective communication. Additionally, we find that blame is associated with lower trust in politicians, perceived government effectiveness, and spreads more virally than merit.

Soumis à arXiv le 09 Avr. 2025

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.