本研究は、ソーシャルメディアプラットフォームにおける希望のスピーチ（motivational expressions of agency）を検出するためのNLPタスクに焦点を当て、従来型の機械学習モデルと微調整されたトランスフォーマーモデルの性能を評価しています。研究では、従来の線形カーネルSVMやロジスティック回帰がマクロF1スコア0.78に達した一方で、トランスフォーマーモデルはそれを上回る性能を示しました。特に、最良のトランスフォーマーモデルは、重み付き精度0.82、再現率0.80、F1スコア0.79、精度0.80を記録しました。これらの結果は、最適に構成された従来型モデルが依然として機敏である一方、トランスフォーマーアーキテクチャが希望のスピーチを認識するのにおいて微妙な意味合いを捉え、より高い精度と再現率を実現する可能性があることを示唆しています。大規模なトランスフォーマーやLLMが小さなデータセットでのパフォーマンス向上に寄与する可能性があります。