정치 담론은 짧은 비디오 플랫폼으로 점점 이동하고 있지만, 이러한 콘텐츠에 대한 계산적 분석은 시청각 정보와 계층적 대화를 공동으로 보존하는 데이터셋의 부족으로 인해 여전히 제약받고 있습니다. 본 논문에서는 정치 토론에서의 방침 탐지(stance detection)를 위해 설계된 틱톡의 161개 비디오와 13,876개 댓글로 구성된 멀티모달 및 문맥 인식 데이터셋인 TikStance를 제시합니다. 이 데이터셋은 2024년 미국 선거 주기 동안 세 명의 주요 정치 인물—도널드 트럼프(Donald Trump), 조 바이든(Joe Biden), 그리고 카멀라 해리스(Kamala Harris)—을 다루며, 콘텐츠는 2023년 9월부터 2025년 1월 사이에 수집되었습니다. 각 토론 단위는 호스트 비디오와 그 메타데이터를 부모 연결 댓글 트리(parent-linked comment tree)에 연결하여, 시청각적 맥락과 대화적 맥락 모두에서 방침 분석을 가능하게 합니다. 각 항목은 세 명의 주석가(annotator)가 세 가지 클래스 체계(Favor, Against, None)를 사용하여 비디오-대상을 향한 방침 및 댓글-대상을 향한 방침에 대해 독립적으로 레이블링했습니다. 의견 불일치가 있는 항목은 재주석되었으며, 최종 Krippendorff's $\alpha$는 트럼프, 바이든, 해리스 하위 집합에 각각 0.743, 0.723, 0.722에 도달했습니다. 기술적 분석(Descriptive analysis)은 또한 방침 분포와 대화 깊이에서 대상 의존적인 차이를 밝혀내며, 중첩된 답글(nested replies)이 모든 댓글의 23.3%를 차지하는 것으로 나타났습니다. TikStance는 다중 대상 커버리지, 계층적 대화, 그리고 신뢰할 수 있는 다단계 인간 주석을 결합함으로써 멀티모달 방침 탐지, 정치 커뮤니케이션, 계산 사회 과학(computational social science), 및 문맥 인식 자연어 처리(context-aware natural language processing) 분야의 연구를 지원합니다.