发帖
雷达卡
【数据名称】美国白宫赢学指数（Winning Index of White House Communications）
【数据来源】美国白宫官网（WhiteHouse.gov）发布的官方文章
【时间跨度】2025年1月20日 - 2026年1月7日
【区域范围】美国
【数据格式】Excel (.xlsx)、CSV (.csv)
数据简介
自2025年1月20日特朗普再次就任美国总统以来，白宫官网发布的官方文章在叙事风格上呈现出显著变化。大量文本反复使用"胜利""成功""伟大""历史性成就""前所未有"等表述，对在其领导下的美国政府行为进行高度正向、自我肯定式的描述。
为了系统刻画这种政治修辞特征，并将其从直观感受转化为可量化、可比较的指标，构建了《美国白宫赢学指数》。
"赢学指数"并非简单的情绪分值，而是一个多维度政治修辞指数，重点刻画白宫官方文本中"胜利—成就—伟大"叙事的密度、结构与情绪强度。
指标构成
指标主要由以下三部分构成：
一、赢学关键词强度（Lexical Component）
构建了一套定制化的"赢学词库"，涵盖三类核心语义：
1. 胜利/成就结果词：win, victory, triumph, success, achievement, justice 等
2. 伟大/强度修饰词：great, historic, unprecedented, remarkable, tremendous 等
3. 主体与自我指涉词：President, Trump, administration, we, America 等
通过统计这些关键词在文本中的出现频率（并对文章长度进行标准化），衡量单篇文章的"赢学语言密度"。
二、句子层面的"协同赢学"结构（Sentence-level Component）
考虑到"赢"往往不是由单个词触发，而是通过多个语义要素在同一句中共同出现来建构叙事，进一步引入句子层面的分析：
- 当一个句子中同时出现至少两类语义时，该句被识别为"赢学句"
- 计算每篇文章中"赢学句"在全部句子中的占比
三、赢学语境下的情绪强度（Sentiment Component）
情绪分析仅在"赢学语境句"中计算：
- 使用VADER情绪分析工具
- 仅对包含"胜利/伟大"等关键词的句子计算情绪分值
- 得到"赢学语境下的平均正向情绪强度"
数据指标
日度数据 daily_winning_index.csv：
date - 日期
n_articles - 当日文章数量
avg_lex_per1000 - 平均赢学关键词密度（每千词）
avg_tfidf - 平均TF-IDF值
avg_win_sentence_ratio - 平均赢学句占比
avg_win_sentiment - 平均赢学语境情绪强度
avg_winning_index - 日度赢学指数（标准化值）
total_words - 当日总词数
文章级数据 article_level_winning_index.csv：
包含每篇文章的详细赢学指标数据。
指数解读
综合指数与标准化处理：
上述三类指标在文章层面计算后，进行标准化（z-score），并按权重加总，形成单篇文章的赢学指数。随后，将文章级指数按日期汇总，得到每日美国白宫赢学指数。
指数为标准化值：
- 数值高于0：表示当日"赢学叙事"强于样本期平均水平
- 数值低于0：表示弱于样本期平均水平
文件列表
1. daily_winning_index.csv - 日度赢学指数数据
2. article_level_winning_index.csv - 文章级赢学指数数据
3. 美国白宫文本库.xlsx - 原始文本数据
美国白宫赢学指数(2025.1.20-2026.1.07).zip
(266.04 KB, 需要: RMB 19 元)
京公网安备 11010802022788号
