ソーシャルメディアでの分極化が進むにつれ、政治ミームがオンライン上の物語をどのように形作るのかを理解することの重要性が高まっている。これまでの研究は大きく二つの立場に分かれてきた。一つは質的な分析枠組みで、規模を拡大するのが難しい。もう一つは計算的手法で、理論的な裏付けに乏しい。いずれも物語のカテゴリを個別に扱い、アイデンティティの道徳的な描かれ方だけに注目してきた点で共通している。
こうした限界に対処するため、論文の著者らは社会科学の理論に基づく枠組みを提示する。そこではミームの物語を相互に関連する三つのカテゴリに分解する。第一は社会的アイデンティティで、ジェンダー、政治的信条、民族などを含む。第二は視点であり、内集団と外集団のどちらから見ているかを区別する。第三は物語上の役割で、道徳的な性格、知性、社会的地位、権力を含む。この区分により、単純な善悪の二分法を超えて、同じアイデンティティが異なる物語上の位置でどう描かれるかを捉えられるようになる。
この枠組みをもとに、研究チームはIRON-Memeを構築した。これは人手で注釈されたベンチマークで、政治ミーム1,110枚を含み、既存の同種のベンチマークと比べてテンプレートの種類が大幅に多い。データセットの分析からは主に二点が示された。多くのミームが関連するアイデンティティに貶損的な役割を割り当てていること、そしてアイデンティティ、役割、テンプレートの間には無作為ではない体系的な結び付きがあることである。これは、ミームの効果がテンプレートと特定のアイデンティティや役割の固定的な組み合わせに大きく依存していることを示唆する。
モデル評価では9種類の視覚言語モデルが試された。その結果、フロンティア規模のモデルと推論能力を持つモデルが最も高い性能を示した。一方、出現頻度の低いラベルでは、社会的アイデンティティと物語上の役割の精度が低下し、長尾のカテゴリが現行モデルの弱点であり続けていることが分かった。注目すべき発見として、テンプレートの背景知識を追加の入力として与えても、物語上の役割の分類は改善しなかった。著者らは、ミームの解釈ではテンプレート自体が何であるかよりも、特定の伝達目的に合わせてミームがどう改変されているかが重要だと推測している。
本論文はARRに投稿されたもので、分野は人工知能（cs.AI）、arXiv番号は2610.33097、2026年10月22日に提出された。著者らはIRON-Memeと関連コードを公開する予定であり、今後の研究での再現や拡張が可能になる。理論に基づく枠組みと規模を拡大できる評価を結び付けたこの研究は、政治ミームの計算的分析に構造化された評価基盤を提供するものだ。