要約
メディアバイアスは、社会科学と計算科学の両方で広く研究されています。
しかし、現在の研究では、バイアスにラベルを付けるために依然として人間の入力と主観的な評価に大きく依存しています。
これは特にケーブル ニュースの調査に当てはまります。
これらの問題に対処するために、私たちは人間の入力なしでケーブル ニュース プログラムの偏りを特徴付ける教師なし機械学習手法を開発しました。
この方法は、類似したバイアスを持つプログラムをクラスター化するために、固有表現認識を通じてどのようなトピックが言及されているか、またスタンス分析を通じてそれらのトピックがどのように議論されているかの分析に依存しています。
私たちの方法を 2020 年のケーブル ニュースのトランスクリプトに適用すると、番組クラスターは時間の経過とともに一貫しており、番組のケーブル ニュース ネットワークにほぼ対応していることがわかりました。
この方法は、メディアの偏りを客観的に評価し、馴染みのないメディア環境を特徴付けるための将来のツールの可能性を明らかにします。
要約(オリジナル)
Media bias has been extensively studied by both social and computational sciences. However, current work still has a large reliance on human input and subjective assessment to label biases. This is especially true for cable news research. To address these issues, we develop an unsupervised machine learning method to characterize the bias of cable news programs without any human input. This method relies on the analysis of what topics are mentioned through Named Entity Recognition and how those topics are discussed through Stance Analysis in order to cluster programs with similar biases together. Applying our method to 2020 cable news transcripts, we find that program clusters are consistent over time and roughly correspond to the cable news network of the program. This method reveals the potential for future tools to objectively assess media bias and characterize unfamiliar media environments.
arxiv情報
| 著者 | Seth P. Benson,Iain J. Cruickshank |
| 発行日 | 2023-10-13 15:01:17+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google