Fugu-MT 論文翻訳(概要): Machine-Learning media bias

論文の概要: Machine-Learning media bias

arxiv url: http://arxiv.org/abs/2109.00024v1
Date: Tue, 31 Aug 2021 18:06:32 GMT
ステータス: 処理完了
システム内更新日: 2021-09-02 14:29:28.287555
Title: Machine-Learning media bias
Title（参考訳）: 機械学習メディアバイアス
Authors: Samantha D'Alonzo (MIT), Max Tegmark (MIT)
Abstract要約: 論文を掲載した新聞を推測すると、分析によって新聞を自動的にバイアス空間にマッピングできる条件付き確率分布が導かれる。数十のニューストピックにおいて、およそ100万の新聞から約100万の新聞をバイアスとして分析することにより、我々の方法は、新聞を人間の判断に基づく以前のバイアス分類とよく一致する2次元のバイアスランドスケープにマッピングする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an automated method for measuring media bias. Inferring which newspaper published a given article, based only on the frequencies with which it uses different phrases, leads to a conditional probability distribution whose analysis lets us automatically map newspapers and phrases into a bias space. By analyzing roughly a million articles from roughly a hundred newspapers for bias in dozens of news topics, our method maps newspapers into a two-dimensional bias landscape that agrees well with previous bias classifications based on human judgement. One dimension can be interpreted as traditional left-right bias, the other as establishment bias. This means that although news bias is inherently political, its measurement need not be.
Abstract（参考訳）: メディアバイアスを自動的に計測する手法を提案する。新聞がどの記事を公開したかは、異なるフレーズを使用する頻度のみに基づいて推定され、分析によって新聞やフレーズを自動的にバイアス空間にマッピングする条件付き確率分布が導かれる。新聞約100紙から約100万記事を分析して、数十のニューストピックのバイアスを解析することで、この手法は新聞を2次元のバイアスランドスケープにマッピングし、人間の判断に基づいて、以前のバイアス分類とよく一致する。 1次元は従来の左利きバイアス、もう1次元は確立バイアスと解釈できる。つまり、ニュースバイアスは本質的に政治的だが、その測定は必要ではないということだ。

関連論文リスト

DocNet: Semantic Structure in Inductive Bias Detection Models [0.4779196219827508]
本稿では,文書におけるバイアス検出の見過ごされがちな側面として,ニュース記事の意味的構造について考察する。本稿では,新しい,インダクティブで低リソースなドキュメント埋め込みとバイアス検出モデルであるDocNetを提案する。また、文書レベルのグラフ埋め込みに代表される、対立するパルチザン側からのニュース記事のセマンティック構造が顕著に類似していることも示している。
論文参考訳（メタデータ） (2024-06-16T14:51:12Z)
Measuring and Addressing Indexical Bias in Information Retrieval [69.7897730778898]
PAIRフレームワークは、ランキングドキュメンテーションやIRシステム全体の自動バイアス監査をサポートする。 DUOを導入した後、我々は32kの合成と4.7kの天然文書からなる新しいコーパスで8つのIRシステムの広範な評価を行った。人間の行動学的研究は、私たちのアプローチを検証し、私たちのバイアスメトリクスが、いつ、どのように指標バイアスが読者の意見を変えるかを予測するのに役立ちます。
論文参考訳（メタデータ） (2024-06-06T17:42:37Z)
Multilingual Coarse Political Stance Classification of Media. The Editorial Line of a ChatGPT and Bard Newspaper [1.450405446885067]
我々は、信頼できるニュースメディアのレーティングを使用して、粗いスタンスアノテーションを備えた多言語ニュースコーパスを作成します。このデータに基づいて訓練された分類器は、英語、ドイツ語、スペイン語、カタルーニャ語で目に見えないほとんどの新聞の編集ラインを特定することができる。従来の新聞と同様、ChatGPT編集ラインは時間とともに進化し、データ駆動システムであるので、生成した記事のスタンスが言語によって異なることが観察された。
論文参考訳（メタデータ） (2023-10-25T01:01:28Z)
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)
Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
論文参考訳（メタデータ） (2023-01-16T05:56:58Z)
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)
NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias [54.89737992911079]
様々な政治スペクトルの複数のニュース見出しから中立的な要約を生成する新しい課題を提案する。最も興味深い観察の1つは、生成モデルは、事実的に不正確なコンテンツや検証不可能なコンテンツだけでなく、政治的に偏ったコンテンツにも幻覚を与えることができることである。
論文参考訳（メタデータ） (2022-04-11T07:06:01Z)
The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
論文参考訳（メタデータ） (2022-03-28T09:28:13Z)
Do You Think It's Biased? How To Ask For The Perception Of Media Bias [8.00306605975813]
本研究の目的は、記事バイアスを評価するための信頼性基準として使用できる尺度を開発することである。過去の研究で,テキスト知覚に関する824の関連質問を文献検索で検索した。最終セットは25の質問からなり,回答形式は様々であった。
論文参考訳（メタデータ） (2021-12-14T13:33:57Z)
Analyzing Political Bias and Unfairness in News Articles at Different Levels of Granularity [35.19976910093135]
本論文では, 偏見の自動検出だけでなく, 政治的偏見や不公平さが言語的にどのように表現されるかについても検討する。我々は,adfontesmedia.comから派生したラベル付き6964ニュース記事の新しいコーパスを活用し,バイアス評価のためのニューラルモデルを開発した。
論文参考訳（メタデータ） (2020-10-20T22:25:00Z)
Detecting Media Bias in News Articles using Gaussian Bias Distributions [35.19976910093135]
本稿では,記事中の偏りのある文の2次情報がどのように検出効率を向上させるかを検討する。既存のメディアバイアスデータセットでは、偏りのある文の頻度と位置が記事レベルの偏りに強く影響していることが分かる。文レベルの偏差検出の標準モデルを用いて,2次情報を用いた記事レベルの偏差検出器が,それ無しで明らかに優れていることを示す実証的証拠を提供する。
論文参考訳（メタデータ） (2020-10-20T22:20:49Z)

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。