論文の概要: Do You Think It's Biased? How To Ask For The Perception Of Media Bias
- arxiv url: http://arxiv.org/abs/2112.07392v1
- Date: Tue, 14 Dec 2021 13:33:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 22:11:12.170712
- Title: Do You Think It's Biased? How To Ask For The Perception Of Media Bias
- Title（参考訳）: 偏っていると思いますか?
メディアバイアスの認識にどう答えるか
- Authors: Timo Spinde and Christina Kreuter and Wolfgang Gaissmaier and Felix
Hamborg and Bela Gipp and Helge Giese
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.00306605975813
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Media coverage possesses a substantial effect on the public perception of
events. The way media frames events can significantly alter the beliefs and
perceptions of our society. Nevertheless, nearly all media outlets are known to
report news in a biased way. While such bias can be introduced by altering the
word choice or omitting information, the perception of bias also varies largely
depending on a reader's personal background. Therefore, media bias is a very
complex construct to identify and analyze. Even though media bias has been the
subject of many studies, previous assessment strategies are oversimplified,
lack overlap and empirical evaluation. Thus, this study aims to develop a scale
that can be used as a reliable standard to evaluate article bias. To name an
example: Intending to measure bias in a news article, should we ask, "How
biased is the article?" or should we instead ask, "How did the article treat
the American president?". We conducted a literature search to find 824 relevant
questions about text perception in previous research on the topic. In a
multi-iterative process, we summarized and condensed these questions
semantically to conclude a complete and representative set of possible question
types about bias. The final set consisted of 25 questions with varying
answering formats, 17 questions using semantic differentials, and six ratings
of feelings. We tested each of the questions on 190 articles with overall 663
participants to identify how well the questions measure an article's perceived
bias. Our results show that 21 final items are suitable and reliable for
measuring the perception of media bias. We publish the final set of questions
on http://bias-question-tree.gipplab.org/.
- Abstract（参考訳）: メディアの報道は、イベントに対する大衆の認識に大きな影響を与えている。
メディアは、私たちの社会の信念や認識を大きく変えることができる。
それでも、ほぼ全てのメディアは、偏りのある方法でニュースを報道することが知られている。
このようなバイアスは、単語の選択や情報の省略によって導入できるが、バイアスの知覚は読者の個人的背景によっても大きく異なる。
したがって、メディアバイアスは識別と分析に非常に複雑な構造である。
メディアバイアスは多くの研究の対象となっているが、過去の評価戦略は単純化され、重複や経験的評価が欠如している。
そこで本研究では,記事バイアスを評価するための信頼性基準として利用できる尺度を開発することを目的とする。
例えば、ニュース記事の偏見を測定するために、「記事はどんな偏見があるのか?」と問うか、「この記事はアメリカの大統領をどう扱ったのか?」と問うべきなのか。
先行研究において,テキスト知覚に関する824の関連質問を検索し,文献検索を行った。
マルチイテレーティブなプロセスでは,これらの質問を意味的に要約して要約し,バイアスに関する可能な質問の完全かつ代表的な集合を結論づけた。
最終セットは25の質問、さまざまな回答形式、意味的差を用いた17の質問、感情の6の格付けで構成されていた。
190の記事で各質問をテストし、633人の参加者で、質問が記事の知覚バイアスをどの程度正確に測定しているかを確認した。
その結果,21項目がメディアバイアスの知覚測定に適し,信頼性が高いことがわかった。
私たちはhttp://bias-question-tree.gipplab.org/で質問の最後のセットを公開します。
関連論文リスト
- Intertwined Biases Across Social Media Spheres: Unpacking Correlations in Media Bias Dimensions [12.588239777597847]
メディアバイアスは、ステレオタイプを強化し、社会的分裂を悪化させることによって、公共の認知を著しく形作る。
われわれは過去5年間にYouTubeとRedditから収集された新しいデータセットを紹介した。
私たちのデータセットには、幅広いバイアス次元にわたるYouTubeコンテンツの自動アノテーションが含まれています。
論文 参考訳（メタデータ） (2024-08-27T21:03:42Z) - Mitigating Bias for Question Answering Models by Tracking Bias Influence [84.66462028537475]
本稿では,複数選択QAモデルのバイアスを軽減するためのBMBIを提案する。
バイアスのある例から学んだ場合、モデルがよりバイアスに傾くように傾くという直感に基づいて、クエリインスタンスのバイアスレベルを測定します。
本手法は,複数のバイアスカテゴリにまたがる複数のQA定式化に適用可能であることを示す。
論文 参考訳（メタデータ） (2023-10-13T00:49:09Z) - 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) - An Interdisciplinary Approach for the Automated Detection and
Visualization of Media Bias in News Articles [0.0]
メディアバイアスを識別するためのデータセットや手法を考案することを目指しています。
私のビジョンは、ニュース読者が偏見によるメディアカバレッジの違いを認識できるようにするシステムを開発することです。
論文 参考訳（メタデータ） (2021-12-26T10:46:32Z) - Machine-Learning media bias [0.0]
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。
論文 参考訳（メタデータ） (2021-08-31T18:06:32Z) - Enabling News Consumers to View and Understand Biased News Coverage: A
Study on the Perception and Visualization of Media Bias [7.092487352312782]
手動で3つのアノテートデータセットを作成し、さまざまな視覚化戦略をテストする。
その結果, 対照群と比較して, 治療群の偏見に気付く効果は認められなかった。
多段階モデルを用いて、ジャーナリストの偏見は、記事の政治的極性や公平性に大きく関係していることがわかった。
論文 参考訳（メタデータ） (2021-05-20T10:16:54Z) - 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)
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。