Szociológiai szemle

Knap Árpád – Bartha Diána – Barna Ildikó
2021/4. szám
Analysing the memory politics of Trianon and the Holocaust using natural language processing
Knap Árpád – Bartha Diána – Barna Ildikó

2020-ban volt a trianoni békeszerződés 100. és a második világháborús haláltáborok felszabadításának a 75. évfordulója. Ez a két történelmi esemény központi szerepet foglal el a nemzeti emlékezetben, ezáltal a mai napig identitásformáló erővel bír és a legmegosztóbb témák közé tartozik, elválasztva egymástól az ideológiai és politikai oldalakat. Kutatásunkban egy több tízezer cikkből álló, magyar nyelvű, online sajtóból gyűjtött, politikai oldalak mentén bontott szövegkorpuszt vizsgáltunk a kvantitatív természetesnyelv-feldolgozási eszközök körébe tartozó topikmodellezés, illetve kvalitatív szövegelemzés segítségével. Az elkülönített topikokban a heroizálás, áldozatiság, bűnösség és hatálytalanítás fogalmainak előfordulását és jellegzetességeit elemeztük, bemutatva, hogy az egyes politikai oldalak milyen narratívában tárgyalják a két témát. Az elemzésünk kvalitatív részét összevetettük a magyar emlékezetpolitikát tárgyaló cikkek fő értelmezési keretével, bemutatva a hagyományosan is megjelenő passzív áldozati szerep aktuális jelenlétét, az áldozatok és hősök szerepének összemosását, a Trianon és a holokauszt kapcsán megjelenő, tabusítottnak számító narratívákat, valamint a felelősségvállalás hiányát. A „hősök” szerepében leggyakrabban a világháborús katonák, valamint a külhoni magyarok jelennek meg. Az áldozati narratíva szinte elválaszthatatlanul összekapcsolódik a hősökről kialakult képpel: a külhoni magyarok egyszerre jelennek meg mindkét szerepben, a passzív áldozati szerep pedig a magyar nép egészére jellemző. A hatálytalanítás hiányát aktuálpolitikai példán szemléltetjük. A bűnösséggel kapcsolatban a szélsőjobboldal kivételével nem találunk egységes narratívát. Összességében Trianon egy passzív áldozati szereppel kapcsolódott össze az elemzett cikkekben, míg a holokauszt kapcsán az egyes politikai oldalak narratívája még formálódik.

2020 marked the 100th anniversary of the Treaty of Trianon and the 75th anniversary of the liberation of World War II death camps. These two historical events are central to national memory and continue to shape our identity today, while remaining among the most divisive issues, separating ideological and political sides. In our research, we analyse a corpus of over twenty thousand articles collected from the Hungarian online press – categorised by their political orientation – using Natural Language Processing methods, including topic modelling, and qualitative text analysis. In our paper, the occurrence and characteristics of the concepts of heroization, victimisation, culpabilisation and cancellation were analysed in the identified topics, showing the narrative in which each political side discusses these two subjects. The qualitative part of our analysis was compared with the framework of papers on Hungarian memory politics, displaying the current form of the traditionally present passive victimhood, the confusion in the roles of victims and heroes, the taboo narratives of Trianon and the Holocaust, and the lack of culpabilisation. In the role of “heroes”, most often soldiers of the world war and Hungarians living abroad appear. The victim narrative is almost inseparably connected to the image of heroes: Hungarians living outside Hungary’s borders appear in both roles, while the passive victim role is borne by the Hungarian people as a whole. In our paper, the lack of cancellation is illustrated by a current political example. Except for the far right, there is no uniform narrative connected to culpabilisation. Overall, Trianon is associated with a passive victimhood in the articles analysed, while in the context of the Holocaust, the narrative of each political side is still taking shape

Kulcsszavak: Trianon, holokauszt, emlékezetpolitika, természetesnyelv-feldolgozás, topikmodellezés
Kulcsszavak angol: Treaty of Trianon, Holocaust, memory politics, natural language processing, topic modelling