האויב מבפנים: מה מספר לנו שיח הדה-לגיטימציה הפוליטי על הפוליטיקה הישראלית?

נעמה ריבלין-אנגרט וגיא מור-לן

"אני קורא לחקור את [השר] בחשד לבגידה במדינת ישראל."
"האמת חייבת להיאמר: הם אולי חלק מאיתנו, אבל הם אף פעם לא מפסיקים להרוס אותנו מבפנים." 

אלו לא טוקבקים אנונימיים, אלא ציטוטים אמיתיים של חברי כנסת בישראל. בשניהם, היריב הפוליטי לא מוצג רק כמי שטועה או מחזיק בעמדה מסוכנת, אלא כמי שפועל כבוגד מבפנים ומסכן את עצם קיומה של המדינה. במאמר שפורסם לאחרונה בבמה מובילה בתחום מדעי המחשב, אנחנו שואלים כיצד ניתן לרתום את הבינה המלאכותית לזיהוי רטוריקת "האויב מבפנים"? לשם כך, אנחנו משלבים תיאוריה פוליטית עם כלים מתקדמים של עיבוד שפה טבעית (NLP) ומודלי שפה גדולים (LLMs) כדי למדוד שיח דה-לגיטימציה פוליטית בעברית, ובוחנים כיצד הוא משתנה לאורך זמן, בין זירות תקשורת שונות ובין קבוצות פוליטיות שונות.

אם נשאל מערכות זיהוי ממוחשבות קיימות, הן ינסו לזהות האם מדובר בשיח שנאה, בשפה רעילה או אולי באמירה גסה ולא מנומסת. בעשור האחרון חוקרים וחוקרות במדעי המחשב ומדעי החברה החישוביים פיתחו מודלים אוטומטיים לזיהוי חוסר נימוס (incivility), שיח שנאה (hate speech), חוסר סובלנות ורעילות (toxicity), וכן מודלים לזיהוי עמדה (stance detection) וניתוח רגש (sentiment) ממוקד מטרה. כל אלה עוזרים לנו למדוד מתי שחקנים פוליטיים מתבטאים באופן פוגעני, גזעני או תוקפני, או האם הם תומכים/מתנגדים לשחקן או רעיון מסוים. ואכן, קיימים היום אלגוריתמים שמצטיינים במטלות האלו. 

אבל הסכנה האמיתית לדמוקרטיה לא תמיד מגיעה עם סימן קריאה או גידוף (למשל, "את יפי הנפש הללו לא מעניינת טובת המדינה והארץ"). לפעמים היא מתחבאת גם בשפה עדינה יותר, שמטרתה אחת: להוציא את היריב מחוץ לגבולות הלגיטימיות. לכן, למרות הקרבה, דה-לגיטימציה פוליטית היא תופעה חמקמקה יותר: היא אינה חייבת להיות גסה או "מלוכלכת" כדי להיות הרסנית. המודלים הממוחשבים הקיימים לא יודעים לזהות מתי השיח מתמקד בעצם הלגיטימיות הפוליטית של היריב: לא רק מה חושבים עליו, אלא אם הוא בכלל רשאי להשתתף במשחק הדמוקרטי. לטובת כך, אנחנו טוענים, יש צורך להגדיר את שיח הדה-לגיטימציה הפוליטית (Political Delegitimization Discourse – PDD) כקטגוריה נפרדת, ולפתח עבורו מודל ייעודי שמבוסס על הגדרה תיאורטית מדויקת שידע לזהות את הכוונה הסימבולית שמאחורי המילים.

אנחנו מגדירים שיח דה-לגיטימציה פוליטית ככזה שמנסה לשלול את הזכות הפוליטית של שחקנים, קבוצות או מוסדות להשתתף במשחק הדמוקרטי באמצעות התקפה על הממדים הסימבוליים והזהותיים שלהן, ולא רק להביע ביקורת על עמדותיהם או מדיניותם. מטרתו היא לצמצם את גבולות השיח המקובל ולהדיר שחקנים או קבוצות מחוץ למחנה הנורמטיבי, לרוב על ידי תיוגם כ"אויבים", "בוגדים" או איום קיומי על המדינה. חשוב לנו להבחין בין זה לבין שיח תקיף או ביקורתי על מדיניות. אמירות חריפות על תקציב "כושל" או על "הזנחה חמורה" אינן בהכרח דה-לגיטימציה: כל עוד הוויכוח נותר על מדיניות, ולא על עצם הלגיטימיות של הצד השני להשתתף במשחק.

כיצד מדדנו דה-לגיטימציה פוליטית?

כדי להתמודד עם האתגר המחקרי, יצרנו מסד נתונים ייחודי של טקסטים פוליטיים בעברית הכולל למעלה מ-10,000 משפטים שאספנו משלוש זירות: נאומים במליאת הכנסת (1993-2023), פוסטים של פוליטיקאים בפייסבוק (2018-2021) וכלי תקשורת מובילים (2018-2022). בעזרת שלושה מקודדים כל משפט תוייג ככולל PDD או לא. כ-17.4% מהמשפטים סומנו כחיוביים. לאחר מכן, עבור תת-קבוצה של 642 משפטים שזוהו כ-PDD הוספנו תיוג עשיר יותר, הכולל ציון עבור עוצמת הדה-לגיטימציה; האם ההיגד בלתי מנומס/פוגעני; האם הוא מציג את המטרה כאויב חיצוני/קבוצת חוץ; האם נטען לפגיעה בטובת הכלל; מי המטרה של השיח (במידה והוא מוזכר בשמו); ולבסוף, האם המטרה היא אדם, קבוצה, או מוסד.

אחרי שבנינו את המאגר המתוייג, פיתחנו צינור חישובי (Pipeline) דו-שלבי: בשלב הראשון, זיהוי דה-לגיטימציה במשפטים, כלומר, האם המשפט כולל PDD או לא. לאחר מכן, בשלב השני, סיווג מפורט יותר של המקרים החיוביים – עוצמה, נימוס/חוסר נימוס, האם מדובר בקבוצת חוץ, האם נטען שהמטרה פוגעת בטובת הכלל, ומה סוג המטרה (אדם, קבוצה, מוסד) כולל סימון מדויק של המטרה במידה והיא מאוזכרת בטקסט.

לאחר מכן, השתמשנו בנתונים כדי לאמן מודלי שפה גדולים (LLMs) על זיהוי PDD ומאפייניו. השתמשנו במספר מודלי שפה רב-לשוניים (כגון mBERT, Gemma) כמו גם מודלים ייעודיים לשפה העברית (כגון AlephBERT, DictaLM2.0). המודל הטוב ביותר שלנו (מבוסס DictaLM2.0) הציג ביצועים גבוהים בשלב התיקוף (במדד ההערכה F1 בנוגע לזיהוי הבינארי הגיע לציון של 0.74, במשימת סיווג מאפייני ה-PDD הגיע לציון מאקרו-F1 של 0.67, ובמשימת זיהוי המטרה במשפט לציון F1 של 0.67).

לאחר מכן, השתמשנו במודל המאומן כדי לבחון את הקורפוס כולו – עשרות שנים של נאומי מליאה ומאות אלפי משפטים מהרשתות – על מנת לקבל תמונה כמותית רחבה של שיח הדה-לגיטימציה הפוליטי בישראל.

מה מצאנו? 

1. עלייה לאורך זמן בנאומי הכנסת

מניתוח חלקם היחסי של משפטים המכילים PDD מתוך כל נאומי הכנסת לאורך 30 שנה, זיהינו מגמת עלייה מובהקת לאורך זמן בשימוש בשיח זה בכנסת (ראו תרשים 1). בעוד שבשנות ה-90 ותחילת שנות ה-2000 הרמות היו יציבות ואף ירדו לקראת 2008, מ-2009 אנחנו רואים עלייה הדרגתית, עד לזינוק החד שהחל ב-2019 והגיע לשיאו ב-2023. במונחים מספריים, הממוצע החצי-שנתי של PDD בנאומי הכנסת גדל מ-6.6% (1992-2019) לכמעט 10% (2019-2023).

תרשים 1: הממוצע החצי-שנתי של PDD בנאומי הכנסת, 1992-2023

2. כנסת מול פייסבוק: אותה כמות, יותר ארסיות 

השווינו את השיח בפייסבוק לנאומי הכנסת בתקופה החופפת (2018-2021), ומצאנו שהשיעור הכולל של PDD דומה בין שתי הזירות (כ-7%). עם זאת, האופי של השיח ברשתות שונה בתכלית. הדה-לגיטימציה מתאפיינת בעוצמה גבוהה יותר, בשימוש רב יותר בגידופים (Incivility), ובהתייחסות תכופה יותר ליריב כאל איום על הטוב המשותף או השוואתו לקבוצות חוץ מוקצות (כגון נאצים או מחבלים).

3. מי משתמש בזה יותר? מגדר וגושים פוליטיים 

ראשית, מצאנו הבדלים מגדריים מובהקים: פוליטיקאים גברים נוטים להשתמש בשיח דה-לגיטימציה יותר מאשר עמיתותיהם הנשים, הן בכנסת והן ברשתות החברתיות. בחלוקה לגושים פוליטיים, הנתונים שלנו מראים כי לאורך 30 שנה הימין עושה שימוש רב יותר בדה-לגיטימציה (ממוצע 0.074) בהשוואה לשמאל (0.062) ולמרכז (0.048). עם זאת, בתקופה הספציפית של המשבר הפוליטי בשנים 2018-2021, התמונה התהפכה ופוליטיקאים מהשמאל הציגו את הרמות הגבוהות ביותר של שיח זה. ממצא מעניין נוסף שגילינו נוגע ליעדי ההתקפה: בעוד שכל הגושים תוקפים אישים ספציפיים (כגון נתניהו, בן-גביר או לפיד), זיהינו שהימין בולט בנטייתו לתקוף קבוצות פוליטיות שלמות וסמלים קולקטיביים (כגון "השמאל", "מרצ"), כאובייקט מרכזי של השיח.

4. בחירות כמנוע של הקצנה

ניתוח עיתוי השיח ברשתות החברתיות מגלה כי דה-לגיטימציה היא כלי קמפיין מובהק. זיהינו שהשימוש בה מזנק בתקופות בחירות וצונח לאחר הקמת ממשלה. הירידה בשיח זה חדה במיוחד בקרב חברי קואליציה לאחר כניסתם לממשלה, בעוד חברי אופוזיציה ממשיכים להשתמש ברטוריקה זו בעוצמה גבוהה יותר (ראו תרשים 2. הקו הכחול מייצג את שיעור הדה-לגיטימציה הרבעוני של חברי הכנסת מהאופוזיציה, ואילו הקו הכתום מייצג את זה של חברי הקואליציה. ציר הזמן מחולק לשתי תקופות סביב נקודת החיתוך (בחירות 2020 והקמת הקואליציה). התיבות בחלק העליון מציגות את ממוצע הדה-לגיטימציה הכולל (Avg) של כל קבוצה בכל אחת מהתקופות, וכן את הפער הממוצע (Δ) ביניהן).

תרשים 2: שינוי בשיח PDD כתלות בהקשר פוליטי סביב שינויים בקואליציה

סיכום

המחקר שלנו מספק עדות אמפירית לכך שדה-לגיטימציה פוליטית הפכה לחלק אינטגרלי מארגז הכלים הפוליטי בישראל, עם מגמת עליה מדאיגה בשנים האחרונות. השימוש בטכנולוגיות NLP מתקדמות מאפשר לנו כעת לזהות דקויות אלו באופן שיטתי, ולהבין כיצד שחקנים פוליטיים מנסים לשלול את זכותם של יריביהם להיות חלק מהמשחק הדמוקרטי.
המסגרת הזאת יכולה לשמש חוקרים וחוקרות שרוצים לעקוב אחרי שחיקת דמוקרטיות גם במקומות אחרים, בתנאי שמותאמת לשפה ולהקשר המקומיים. בכך, אנחנו מנסים לחבר בין תיאוריה פוליטית, ניתוח טקסט חישובי ודאגה עמוקה לעתיד הדמוקרטיה הישראלית.

---
ד"ר נעמה ריבלין-אנגרט היא פוסט-דוקטורנטית במחלקה למדע המדינה באוניברסיטה העברית בירושלים.
גיא מור-לן הוא דוקטורנט במחלקה למדע המדינה באוניברסיטה העברית בירושלים ומתמחה ב-Google Research.

הרשומה מבוססת על המאמר:

Rivlin-Angert, N., & Mor-Lan, G. (2025, November). The Enemy from Within: A Study of Political Delegitimization Discourse in Israeli Political Speech. In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (pp. 16645-16658). https://aclanthology.org/2025.emnlp-main.841/

הרשומה פורסמה באתר המכון בדצמבר, 2025