論文の概要: What Was Written vs. Who Read It: News Media Profiling Using Text
Analysis and Social Media Context
- arxiv url: http://arxiv.org/abs/2005.04518v1
- Date: Sat, 9 May 2020 22:00:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 06:44:22.321323
- Title: What Was Written vs. Who Read It: News Media Profiling Using Text
Analysis and Social Media Context
- Title（参考訳）: テキスト分析とソーシャルメディアコンテキストを用いたニュースメディアのプロファイリング
- Authors: Ramy Baly, Georgi Karadzhov, Jisun An, Haewoon Kwak, Yoan Dinkov,
Ahmed Ali, James Glass, Preslav Nakov
- Abstract要約: 現在のフェイク、偏見、プロパガンダ的なコンテンツの拡散は、疑わしいすべての主張を事実確認することを不可能にした。
ニュースメディア全体をプロファイルし、偽のコンテンツや偏見のあるコンテンツを掲載する可能性があるものを探すことができる。
このアプローチにより、発行された瞬間に“フェイクニュース”を検出することが可能になる。
- 参考スコア（独自算出の注目度）: 32.92101895367273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting the political bias and the factuality of reporting of entire news
outlets are critical elements of media profiling, which is an understudied but
an increasingly important research direction. The present level of
proliferation of fake, biased, and propagandistic content online, has made it
impossible to fact-check every single suspicious claim, either manually or
automatically. Alternatively, we can profile entire news outlets and look for
those that are likely to publish fake or biased content. This approach makes it
possible to detect likely "fake news" the moment they are published, by simply
checking the reliability of their source. From a practical perspective,
political bias and factuality of reporting have a linguistic aspect but also a
social context. Here, we study the impact of both, namely (i) what was written
(i.e., what was published by the target medium, and how it describes itself on
Twitter) vs. (ii) who read it (i.e., analyzing the readers of the target medium
on Facebook, Twitter, and YouTube). We further study (iii) what was written
about the target medium on Wikipedia. The evaluation results show that what was
written matters most, and that putting all information sources together yields
huge improvements over the current state-of-the-art.
- Abstract（参考訳）: 政治バイアスの予測とニュースメディア全体の報道の事実性はメディアプロファイリングの重要な要素であり、研究の方向性はますます重要になっている。
現在、偽物、偏り、広汎性のあるコンテンツをオンラインで拡散しているため、疑わしいすべての主張を、手動または自動で事実チェックすることは不可能になっている。
あるいは、ニュースソース全体をプロファイルして、偽物や偏ったコンテンツを公開する可能性のあるものを探すこともできる。
このアプローチにより、ソースの信頼性をチェックするだけで、公開時に“フェイクニュース”を検出することが可能になる。
実践的な見地からすると、政治的偏見と報告の事実性は言語的側面だけでなく社会的文脈も持っている。
ここでは両者の影響、すなわち
(i) 書かれたもの(すなわち、ターゲットメディアで公開されたもの、Twitterでどのように表現されているか)対。
(ii)それを読む人(すなわち、Facebook、Twitter、YouTubeでターゲットメディアの読者を分析する)。
さらなる研究を
(iii)ウィキペディアのターゲットメディアについて書かれたもの。
評価結果から,記述したものが最も重要であり,すべての情報ソースをまとめることで,現在の最先端技術よりも大きな改善がもたらされることが示唆された。
関連論文リスト
- Misinformation is not about Bad Facts: An Analysis of the Production and Consumption of Fringe Content [15.57576248694248]
我々は、オンライングループと極右グループがどのように共有し、既存のニュースメディアの記事を活用し、彼らの物語を前進させるかを検討する。
オーストラリアでは、中道派と極右派の両方の政治的傾向を持つニュース出版社が、情報完全性と品質のレベルを同等に含んでいることがわかった。
コミュニケーションスタイルに基づいて誤情報を共有する傾向のあるユーザを特定することができる。
論文 参考訳（メタデータ） (2024-03-13T10:10:07Z) - Towards Corpus-Scale Discovery of Selection Biases in News Coverage:
Comparing What Sources Say About Entities as a Start [65.28355014154549]
本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。
我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
論文 参考訳（メタデータ） (2023-04-06T23:36:45Z) - Bias or Diversity? Unraveling Fine-Grained Thematic Discrepancy in U.S.
News Headlines [63.52264764099532]
われわれは、2014年から2022年までの米国の主要メディアから、180万件のニュース記事の大規模なデータセットを使用している。
我々は、国内政治、経済問題、社会問題、外交の4つの主要なトピックに関連する、きめ細かいテーマの相違を定量化する。
以上の結果から,国内政治や社会問題においては,一定のメディア偏見が原因であることが示唆された。
論文 参考訳（メタデータ） (2023-03-28T03:31:37Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - GREENER: Graph Neural Networks for News Media Profiling [24.675574340841163]
本稿では,ウェブ上でのニュースメディアのプロファイリングの問題について,その実態と偏見について考察する。
私たちの主な焦点は、オーディエンスの重複に基づいて、メディア間の類似性をモデル化することにあります。
予測精度は2つのタスクに対して2.5-27マクロF1ポイント向上した。
論文 参考訳（メタデータ） (2022-11-10T12:46:29Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。
23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。
大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2021-04-18T09:50:11Z) - A Survey on Predicting the Factuality and the Bias of News Media [29.032850263311342]
「事実と偏見のためのメディアプロファイリングの現状」
「西洋政治の背景にある政治的偏見検出は、左中右偏見の予測である」
「異なる情報源とモダリティの使用の最近の進歩」
論文 参考訳（メタデータ） (2021-03-16T11:11:54Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Can We Spot the "Fake News" Before It Was Even Written? [25.536546272915427]
これまでに、手動と自動の両方でファクトチェックのイニシアチブがいくつも立ち上げられている。
より有望な方向性は、ニュースメディア全体の事実チェックに集中することであり、事前に行うことができる。
私たちはTanbihのニュースアグリゲータで、読者が何を読んでいるかを知らせる方法を説明します。
論文 参考訳（メタデータ） (2020-08-10T19:21:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。