Naukowcy z zastosowaniem teorii nauk społecznych stworzyliObszerne narzędzie do analizy memów politycznych w kontekście polaryzacji mediów społecznych. IRON-Meme to ręcznie anotowany benchmark zawierający 1110 memów politycznych obejmujących znacznie więcej szablonów niż dotychczasowe datasety. Framework łączy trzy wymiary: społeczne tożsamości (gender, orientacja polityczna, etniczność), viewpointy (perspektywy wewnątrz- i zewnątrzgrupowe) oraz role narracyjne (cechy moralne, inteligencja, status społeczny, władza).
Analiza benchmarku ujawniła, że większość memów przypisuje pejoratywne role przedstawianym grupom, a powiązania między tożsamościami, rolami i szablonami są systematyczne i mierzalne. Ocena dziewięciu modeli vision-language (od OpenAI do Gemini) wykazała, że modele frontier-scale oraz te z capabilities reasoningu osiągają najwyższą wydajność. Jednak dokładność klasyfikacji spada dla rzadszych etykiet - szczególnie dla mniej reprezentowanych tożsamości społecznych i ról narracyjnych.
Zaskakujące odkrycie: dodanie kontekstu szablonu do treningu nie poprawiało klasyfikacji ról narracyjnych. Wskazuje to, że kluczowe dla interpretacji memu jest nie sama struktura wizualna, ale sposób w jaki szablon zostaje zaadaptowany dla konkretnych celów komunikacyjnych. Wyniki sugerują, że rzeczywista analiza memów wymaga zrozumienia intencji twórców i kontekstu społeczno-politycznego, a nie tylko rozpoznania wzorów wizualnych.