Neutralizing the Narrative: AI-Powered Debiasing of Online News Articles

要約

報道における偏向は、特に犯罪、政治、社会問題に関して、人々の認識に大きな影響を与える。従来の偏向検出手法は、主に人間のモデレーションに依存しており、主観的な解釈やスケーラビリティの制約に悩まされている。ここでは、先進的な大規模言語モデル（LLM）、特にGPT-4o、GPT-4o Mini、Gemini Pro、Gemini Flash、Llama 8B、Llama 3Bを活用したAI駆動型フレームワークを紹介し、ニュース記事中のバイアスを体系的に特定し、緩和する。この目的のために、我々は10年間（2013年～2023年）にわたる5つの政治的に多様なニュースソースから30,000以上の犯罪関連記事からなる広範なデータセットを収集する。(2)GPT-4o Miniを用いた反復的なデバイアス、自動再評価と人間レビュアーの両方による検証。その結果、GPT-4o Miniの偏り検出精度とデビアスの有効性が実証された。さらに、我々の分析により、社会政治力学や現実世界の出来事と相関するメディアの偏向の時間的・地理的変動が明らかになった。本研究は、偏向緩和のためのスケーラブルな計算方法論に貢献し、報道における公正さと説明責任を促進する。

要約(オリジナル)

Bias in news reporting significantly impacts public perception, particularly regarding crime, politics, and societal issues. Traditional bias detection methods, predominantly reliant on human moderation, suffer from subjective interpretations and scalability constraints. Here, we introduce an AI-driven framework leveraging advanced large language models (LLMs), specifically GPT-4o, GPT-4o Mini, Gemini Pro, Gemini Flash, Llama 8B, and Llama 3B, to systematically identify and mitigate biases in news articles. To this end, we collect an extensive dataset consisting of over 30,000 crime-related articles from five politically diverse news sources spanning a decade (2013-2023). Our approach employs a two-stage methodology: (1) bias detection, where each LLM scores and justifies biased content at the paragraph level, validated through human evaluation for ground truth establishment, and (2) iterative debiasing using GPT-4o Mini, verified by both automated reassessment and human reviewers. Empirical results indicate GPT-4o Mini’s superior accuracy in bias detection and effectiveness in debiasing. Furthermore, our analysis reveals temporal and geographical variations in media bias correlating with socio-political dynamics and real-world events. This study contributes to scalable computational methodologies for bias mitigation, promoting fairness and accountability in news reporting.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL