Detecting Censorship and Self-Censorship: NLP Analysis of Political Discourse in Iraqi Social Media and Blogs
Notice bibliographique
Résumé
Objectives: This article explores how censorship and self-censorship shape political discourse in Iraqi social media posts and blogs. It focuses on how users avoid or encode taboo topics—such as criticism of powerful parties, militias, and security institutions—through euphemisms, omissions, and indirect reference. Methods: Using a corpus of 1.2 million posts and comments from Iraqi Twitter, Facebook pages, and independent blogs (2018–2024), the study applies named-entity recognition, keyword-based topic modelling, and pattern mining to identify both explicit and obfuscated references to political actors and events. It constructs lexicons of “direct terms” (official names, titles) and “evasions” (nicknames, code words, metaphors) through iterative annotation. Temporal analysis compares the use of direct versus obfuscated language around key political events, while qualitative close reading grounds the statistical patterns in concrete examples of online speech. Results: The analysis reveals systematic strategies of self-censorship: users avoid naming certain actors directly, substitute descriptive phrases or initials, and rely on shared code words that outsiders might miss. Peaks of euphemistic language coincide with periods of heightened repression, harassment, or online trolling. At the same time, overtly critical discourse persists in semi-anonymous and diasporic spaces. Conclusions: The article argues that combining NLP techniques with grounded reading can help map the “shadow vocabulary” of Iraqi political talk online and clarify how fear, risk, and creativity shape digital expression. It also highlights the ethical responsibility of researchers working with such sensitive data, especially regarding anonymity, re-identification risks, and potential harm to vulnerable speakers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».