Wordfish Scaling
Wordfish scaling is an unsupervised text-as-data method that estimates a single latent position for each political document — a party manifesto, a legislative speech, a press release — directly from its word frequencies, without any reference texts or hand coding. Introduced by Slapin and Proksch in 2008, it models word counts as draws from a Poisson distribution whose rate depends on a document position and word-specific parameters, recovering, for example, a left–right ordering of parties purely from how often each word appears in each text.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Slapin, J. B., & Proksch, S.-O. (2008). A Scaling Model for Estimating Time-Series Party Positions from Texts. American Journal of Political Science, 52(3), 705–722. DOI: 10.1111/j.1540-5907.2008.00338.x ↗
- Lowe, W., & Benoit, K. (2013). Validating Estimates of Latent Traits from Textual Data Using Human Judgment as a Benchmark. Political Analysis, 21(3), 298–313. DOI: 10.1093/pan/mpt002 ↗
- Grimmer, J., & Stewart, B. M. (2013). Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, 21(3), 267–297. DOI: 10.1093/pan/mps028 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 22). Wordfish Scaling of Political Texts (Unsupervised Position Estimation). ScholarGate. https://scholargate.app/de/political-science/wordfish-scaling
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Ideal Point EstimationPolitical Science↔ vergleichen
- Manifesto CodingPolitical Science↔ vergleichen
- WordfishPsychometrie↔ vergleichen
- WordscoresPsychometrie↔ vergleichen
Referenziert von
Ähnliche Methoden
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →