量化在用户生成的文本，新闻或公共话语中表达的道德叙事对于理解个人的关注点和观点并防止暴力抗议和社会两极分化至关重要。发展道德基础理论（MFT）是为了在五维规模系统中运行道德。该理论的最新发展敦促引入新的基础，即自由基金会。直到最近才添加到理论中，没有可用的语言资源来评估文本语料库中是否存在自由。鉴于它对当前的社会问题（例如疫苗接种辩论）的重要性，我们提出了两种数据驱动的方法，这些方法是根据来自具有不同世界观的在线新闻来源的校准文档生成的两个候选词典。经过广泛的实验，我们为研究界做出了贡献，这是一个新颖的词典，它以对比观点对比的个人通过书面文本表达自己的方式来评估自由道德基础。 LibertyMFD词典可以成为政策制定者了解有争议的社会问题（例如疫苗接种，堕胎甚至起义）的各种观点的宝贵工具，并且大规模发生。

这项研究通过将文本分析技术应用于歌词来探讨音乐偏好与道德价值观之间的关联。从Facebook主持的应用程序中收集数据，我们将1,386个用户的心理计量学分数与来自Facebook页面喜欢的歌曲中的前5首歌曲中的歌词相提并论。我们提取了与每首歌的总体叙事，道德价，情感和情感有关的一组抒情特征。机器学习框架旨在利用回归方法，并评估抒情特征的预测能力来推断道德价值。结果表明，艺术家顶级歌曲的歌词喜欢告知他们的道德。层次结构和传统的优点比同理心和平等的值（$ .08 \ leq r \ leq .11 $）获得更高的预测分数（$ .20 \ leq r \ leq .30 $），而基本人口统计学变量仅为a模型的解释性中的一小部分。这显示了音乐听力行为的重要性，如通过抒情偏好所评估，仅在捕获道德价值方面就进行了评估。我们讨论技术和音乐的含义以及可能的未来改进。