法國哲學家米歇爾·傅柯（Michel Foucault）曾主張，語言並非中立地描述現實，而是主動塑造現實。一項最新發表的政治語言科學研究為這一論點提供了實證支持，發現措辭上的細微選擇，可能顯著影響敏感政治議題網路討論中的黨派偏見程度。

研究結果的核心是一個單一的心理學概念：實體性（entitativity）——即一群人在多大程度上被視為具凝聚力、統一且「真實」的整體。這個概念在社會心理學中有悠久歷史，可追溯至 Donald Campbell 於 1958 年提出該術語，用以解釋是什麼讓一群個體感覺像一個單一、連貫的群體，而非鬆散的個人集合。

「關於新穎群體的研究表明，被感知的實體性取決於他人如何標籤這些群體，」Carsten W. Sander 與 Juliane Degner 近期在 Social Psychological and Personality Science 期刊中寫道。「利用微調後的Transformer模型自動分類 Facebook 貼文（N = 45,780）與留言（N = 769,684），我們證明這一效應同樣適用於既有的政治群體。具體而言，包含名詞標籤（例如「參議院共和黨人」）而非形容詞標籤（例如「共和黨籍參議員」）、並以概括方式使用這些標籤（例如「民主黨人想要」）而非非概括方式（例如「一些民主黨人想要」）的貼文，會收到更高比例表達黨派偏見的留言。」

該主題的早期研究依賴於受試者從未接觸過的虛構政治群體。在那些實驗中，隱性鼓勵實體性的措辭使受試者將群體視為單一整體，而未鼓勵實體性的措辭則使他們將成員視為各自獨立的個人。為了檢驗這一模式是否延伸至現實世界的政治言論，研究人員分析了約 46,000 篇 Facebook 貼文與大約 770,000 則留言。結果正是如此。論文引用的微調Transformer模型屬於與現代文字分析工具同系的 AI 語言模型，使研究人員能在人工編碼難以應付的龐大留言量中自動分類偏見。由於資料集完全來自 Facebook，同樣的文法模式是否適用於其他平台，仍是未來研究的課題。

「從本質上說，將群體視為實體性群體會使成員顯得更具可替換性，」柏林洪堡大學研究員 Sander 告訴 PsyPost。「人們隨後會將一名成員的行為推廣至整個群體，為另一名成員的過錯對群體成員進行報復，並普遍對外部群體表現出更多偏見。我們推論，這也可能助長政治兩極化，即對政治對立陣營的偏見不斷加深。」

對於政治評論的生產者與閱聽者而言，研究結果指向一個小但可衡量的編輯槓桿：在這份資料集中，使用名詞標籤與概括性措辭的貼文，引來偏見回覆的比例高於以形容詞為基礎、非概括性措辭的貼文。這項研究與邪教研究專家 Steven Hassan 博士的觀察相符，他於八月接受 AlterNet 採訪，談論川普總統及其政治運動。Hassan 解釋了此類運動如何巧妙操縱追隨者，以建立類邪教的凝聚力與忠誠度。他指出，除了在日常網路貼文中的措辭方式之外，政治運動還會建立媒體生態系統，使追隨者透過社交網絡反覆的正面強化，形成對現實的扭曲認知。

「說到底，關鍵在於他們依賴哪些資訊來源，以及他們認同的社交網絡是誰，」Hassan 告訴 AlterNet。「例如，如果他們非常喜愛 Joe Rogan，就會接受他的許多觀點。因此，當他轉而反對川普時，川普就會失去大量追隨者。我想表達的是，我們正生活在一個前所未見的數位操縱時代。」