論文の概要: On Gender Bias in Fake News

• arxiv url: http://arxiv.org/abs/2209.11984v2
• Date: Tue, 27 Sep 2022 10:17:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 11:41:10.168041
• Title: On Gender Bias in Fake News
• Title（参考訳）: フェイクニュースにおけるジェンダーバイアスについて
• Authors: Navya Sahadevan, Deepak P
• Abstract要約: 性別バイアス vis-a-vis 偽ニュースの実証分析を行った。 我々の分析は、3つの面にわたる偽ニュースにおける性別偏見の増加を実証している。 ジェンダーバイアスはフェイクニュースの研究において重要な考慮事項である必要がある。
• 参考スコア（独自算出の注目度）: 3.4925763160992402
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data science research into fake news has gathered much momentum in recent years, arguably facilitated by the emergence of large public benchmark datasets. While it has been well-established within media studies that gender bias is an issue that pervades news media, there has been very little exploration into the relationship between gender bias and fake news. In this work, we provide the first empirical analysis of gender bias vis-a-vis fake news, leveraging simple and transparent lexicon-based methods over public benchmark datasets. Our analysis establishes the increased prevalance of gender bias in fake news across three facets viz., abundance, affect and proximal words. The insights from our analysis provide a strong argument that gender bias needs to be an important consideration in research into fake news.
• Abstract（参考訳）: 偽ニュースに関するデータサイエンスの研究は近年、大きな公開ベンチマークデータセットの出現によって、非常に勢いを増している。 ジェンダーバイアスはニュースメディアを広める問題であるとするメディア研究の中で、確立されているが、ジェンダーバイアスとフェイクニュースの関係についてはほとんど調査されていない。 本研究では,公開ベンチマークデータセットよりも単純で透明なレキシコンベースの手法を活用し,性バイアスvis-a-vis偽ニュースを初めて実証的に分析する。 本分析により, 偽ニュースにおける性バイアスの頻度は, 3つの顔, 豊富, 感情, 近位語にまたがる。 この分析から得られた知見は、フェイクニュースの研究においてジェンダーバイアスが重要な考慮事項である必要があるという強い議論をもたらす。

関連論文リスト

• A Revisit of Fake News Dataset with Augmented Fact-checking by ChatGPT [8.363702038073814]
  既存の偽ニュース検出データセットは、人間のジャーナリストから提供されています。 本稿では,人間のジャーナリストが検証した既存の偽ニュースデータセットを再検討し,大規模言語モデルによるファクトチェックの強化を行った。
  論文  参考訳（メタデータ） (2023-12-19T05:46:11Z)
• Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
  我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。 我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
  論文  参考訳（メタデータ） (2023-11-02T08:39:45Z)
• 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)
• Gender and Prestige Bias in Coronavirus News Reporting [6.646098685534984]
  我々は、専門家がいつニュースで引用されるかを特定し、その名前と機関関係を抽出する。 男性は女性より3倍多く引用される。 我々はまた、ジャーナリストが高位の学術機関の専門家よりも、名声の低い機関の専門家に目を向ける学術的名声バイアスを識別する。
  論文  参考訳（メタデータ） (2023-01-27T21:18:09Z)
• Predicting Sentence-Level Factuality of News and Bias of Media Outlets [10.925648034990306]
  本稿では,AllSides が提案する事実とメディアバイアスの定義に基づいて,6,191 の注釈付き文からなる「FactNews」という文レベルの大規模データセットを提案する。 我々はFactNewsを用いて、ニュースメディアの文章レベルの事実性を予測するための2つのテキスト分類問題を定式化し、ニュースソースの全体的な信頼性を評価する。
  論文  参考訳（メタデータ） (2023-01-27T16:56:24Z)
• 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)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• 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)
• Multi-Dimensional Gender Bias Classification [67.65551687580552]
  機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。 本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。 このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
  論文  参考訳（メタデータ） (2020-05-01T21:23:20Z)

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。