用语言分析预测跨文化身份融合，揭示暴力极端主义的两种不同路径
Language Predicts Identity Fusion Across Cultures and Reveals Divergent Pathways to Violence
- 通过语言中的隐喻和认知模式，用大模型量化身份融合程度
- 在英新两国数据中预测准确率高于现有方法，识别出两类暴力动机
- 为研究极端主义提供可扩展工具，适合心理学与安全研究者使用
面对日益加剧的分裂与政治暴力，理解极端主义的心理根源愈发重要。已有研究显示，身份融合能预测个体参与极端行为的意愿。本文评估了一种名为认知语言身份融合评分（Cognitive Linguistic Identity Fusion Score）的方法，该方法利用认知语言模式、大语言模型（LLMs）及隐喻分析，从文本中测量身份融合程度。在英国与新加坡的多个数据集上，该方法在预测经验证的身份融合分数方面表现优于现有手段。将其应用于极端主义宣言时，发现两类高融合型暴力路径：意识形态驱动者倾向于将自我视为群体成员，建立亲属式联结；而基于怨恨者则将群体视为个人身份的延伸。这些结果深化了身份融合理论，并提供了一种可扩展的工具，助力融合研究与极端主义检测。
原文摘要 · Abstract (English)
In light of increasing polarization and political violence, understanding the psychological roots of extremism is increasingly important. Prior research shows that identity fusion predicts willingness to engage in extreme acts. We evaluate the Cognitive Linguistic Identity Fusion Score, a method that uses cognitive linguistic patterns, LLMs, and implicit metaphor to measure fusion from language. Across datasets from the United Kingdom and Singapore, this approach outperforms existing methods in predicting validated fusion scores. Applied to extremist manifestos, two distinct high-fusion pathways to violence emerge: ideologues tend to frame themselves in terms of group, forming kinship bonds; whereas grievance-driven individuals frame the group in terms of their personal identity. These results refine theories of identity fusion and provide a scalable tool aiding fusion research and extremism detection.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。