coastalcph/euandi_2019

“EU and I”（EUANDI）是一个投票辅助项目，旨在帮助欧盟公民找到与候选国家政党的亲和力。该项目在2019年欧盟选举前公开发布，包含22个政治声明形式的问题，每个问题有5个选项，从完全不同意到完全同意。这些问题分为7个主题和2个政治类别（左/右和反欧盟/亲欧盟）。数据集提供了5种语言（英语、德语、法语、意大利语、西班牙语、希腊语）的问题。此外，还包括了来自10个欧盟成员国的前5个政党的立场信息，这些立场以政党的简短回答和立场（理由）的形式提供，并包括通过Google Translate和Mixtral从原始语言翻译成英语的版本。

"EU and I" (EUANDI) was a voting assistance project designed to help EU citizens find their affinity to candidate national parties. Released publicly before the 2019 EU election, it comprises 22 questions in the form of political statements, each with 5 options ranging from complete disagreement to complete agreement. These questions are classified into 7 thematic topics and 2 political categories (Left/Right and Anti-EU/Pro-EU). The dataset provides the questions in 5 languages (English, German, French, Italian, Spanish, Greek). Additionally, it includes the positions of the top 5 parties from 10 EU member states, presented as short answers and justifications from the parties, along with translations into English via Google Translate and Mixtral from the original languages.

原始信息汇总

数据集概述

数据集名称

• EUANDI

数据集大小

• 小于1000条记录

数据集语言

• 英语、德语、法语、西班牙语、意大利语、希腊语

数据集标签

• 政治

数据集内容

1. 问卷调查

   • 包含22个问题，每个问题有5个选项，从完全不同意到完全同意。
   • 问题分为7个主题和2个政治类别（左/右，亲/反欧盟）。
   • 提供6种语言版本。

2. 政党立场

   • 包含来自10个欧盟成员国的顶级政党的立场信息。
   • 每个政党对每个问题的立场包括简短回答和立场说明。
   • 提供原始语言和翻译成英语的版本。

数据集使用示例

• 使用datasets库加载数据集： python from datasets import load_dataset euandi_questionnaire = load_dataset(coastalcph/euandi_2019, questionnaire) euandi_party_positions = load_dataset(coastalcph/euandi_2019, party_positions)

数据集引用

• 原始数据集：euandi2019 : project description and datasets documentation (Michel et al., 2019)
• 数据集再分发和增强：Llama meets EU: Investigating the European political spectrum through the lens of LLMs. Ilias Chalkidis and Stephanie Brandl. In the Proceedings of the Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL), Mexico City, Mexico, June 16–21, 2024.

搜集汇总

数据集介绍

构建方式

EUANDI 2019数据集源自一项名为“EU and I”的投票辅助项目，由Michel等人于2019年欧洲议会选举前构建并公开，旨在帮助欧盟公民评估其与本国政党的政治亲和度。该数据集的核心包含一份由22个政治陈述构成的问卷，每个陈述均提供从完全不同意到完全同意的五级选项，并涵盖七个主题类别及左/右、反欧/亲欧两个政治维度。问卷原文以英语、德语、法语、意大利语、西班牙语和希腊语六种语言呈现。此外，数据集还收录了来自德国、法国等十个欧盟成员国中排名前五政党的立场信息，包括各政党对每个陈述的简要回答和详细立场说明，并利用Google Translate和Mixtral模型将其翻译为英文，从而构建了一个多语言、多视角的政治立场资源库。

特点

该数据集的核心特点在于其多维度的政治立场标注与跨语言覆盖能力。问卷中的每个陈述不仅被归类至自由主义社会、环境保护、欧盟一体化等七个具体议题，还附加了左/右和反欧/亲欧两个宏观政治倾向标签，为细粒度政治分析提供了结构化框架。政党立场数据则通过原始语言与两种机器翻译版本（Google Translate和Mixtral）的并行呈现，既保留了本土政治话语的原始语境，又降低了跨语言研究的门槛。此外，数据集聚焦于2019年欧洲议会选举这一关键时间节点，且政党样本覆盖了十个具有代表性的欧盟成员国，使其成为研究欧洲政治光谱、政党竞争及选民-政党匹配机制的独特基准。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集。具体而言，调用`load_dataset('coastalcph/euandi_2019', 'questionnaire')`即可获取包含22个多语言政治陈述及其主题与政治维度标签的问卷数据；而`load_dataset('coastalcph/euandi_2019', 'party_positions')`则返回各政党对每个陈述的原始立场、机器翻译版本及五分制答案。数据以字典形式组织，便于按语言、国家或政党进行筛选与分析。该数据集适用于政治科学中的立场估计、跨语言文本分析、以及基于大型语言模型的政治倾向推理等研究任务。使用时建议同时引用原始项目文档（Michel et al., 2019）及重新发布与增强该数据集的后续工作（Chalkidis & Brandl, 2024），以尊重学术贡献。

背景与挑战

背景概述

在2019年欧洲议会选举前夕，由Michel等学者于2019年创建的EUANDI（EU and I）投票辅助项目应运而生，旨在帮助欧盟公民识别其与各国政党之间的政治亲和力。该数据集由欧洲大学研究所的研究团队主导，涵盖22个政治议题陈述，每个陈述均以五种语言（英语、德语、法语、意大利语、西班牙语和希腊语）呈现，并归类为七个主题及两个政治维度（左/右、反欧/亲欧）。此外，数据集还包含了来自10个欧盟成员国主要政党的立场信息，包括简短回答及详细论证。EUANDI不仅为选民提供了决策支持工具，更成为计算社会科学领域研究欧洲政治光谱的重要资源，尤其为后续利用大语言模型分析政治立场的开创性工作（如Chalkidis与Brandl于2024年开展的LLM研究）奠定了数据基础。

当前挑战

EUANDI数据集面临的核心挑战在于多语言政治语料的语义对齐与跨文化偏差问题。首先，政党立场原始语言多样（如德语、希腊语等），机器翻译（Google Translate与Mixtral）虽能提供英文版本，但政治文本的微妙含义（如反讽、文化特定隐喻）极易在翻译中失真，导致后续分析偏差。其次，22个议题虽覆盖广泛，但仅涵盖10个成员国，难以代表欧盟27国的完整政治多样性，尤其缺少东欧及北欧国家的政党数据。构建过程中，研究者需平衡政党立场的主观解释性与标准化编码之间的张力——同一政治陈述可能因政党背景不同而产生截然不同的立场解读，而数据集采用的-1至1离散评分体系可能过度简化了复杂政治光谱的连续性。

常用场景

经典使用场景

EUANDI 2019数据集源自欧盟选举前夕的投票辅助项目，旨在帮助选民了解自身政治立场与各政党纲领的契合度。其经典使用场景聚焦于多语言政治文本的语义对齐与跨党派立场分析，通过22项政治议题问卷（涵盖社会政策、环保、欧盟一体化等七大主题）及政党立场陈述，构建起选民与政党间的高维政治光谱映射。研究者可借助该数据集训练模型，在英语、德语、法语等六种语言间实现政治主张的跨语言理解，并量化政党在左右翼及反欧/亲欧维度上的意识形态差异。

实际应用

在实际应用中，EUANDI数据集已成为智能投票辅助系统的核心训练资源。开发者可利用其构建多语言政治立场匹配引擎，帮助选民快速定位与自身观点最接近的政党。此外，该数据被广泛用于新闻聚合平台的议题倾向标注、政治传播效果的跨文化评估，以及欧盟机构对成员国政策趋同性的监测工具。例如，通过对比政党对同一议题的多语言翻译版本，可自动检测政治话语在跨语言传播中的语义偏移，为舆情分析提供技术支撑。

衍生相关工作

基于EUANDI数据集，Chalkidis与Brandl（2024）开创性地将大语言模型引入欧洲政治光谱研究，在NAACL会议上发表了《Llama meets EU》工作，验证了LLMs在多语言政治立场分类中的有效性。该数据集还催生了多项后续研究，包括利用对比学习增强跨语言政治文本表示、基于立场论证的政党承诺一致性分析，以及结合欧盟选举面板数据的动态意识形态追踪模型。这些工作共同推动了计算政治学从静态议题分类向动态立场演化建模的范式转型。