論文の概要: Unveiling the Hidden Agenda: Biases in News Reporting and Consumption
- arxiv url: http://arxiv.org/abs/2301.05961v1
- Date: Sat, 14 Jan 2023 18:58:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:37:40.424903
- Title: Unveiling the Hidden Agenda: Biases in News Reporting and Consumption
- Title（参考訳）: 隠れたアジェンダを暴露する:ニュース報道と消費のバイアス
- Authors: Alessandro Galeazzi, Antonio Peruzzi, Emanuele Brugnoli, Marco
Delmastro, Fabiana Zollo
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 59.55900146668931
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the most pressing challenges in the digital media landscape is
understanding the impact of biases on the news sources that people rely on for
information. Biased news can have significant and far-reaching consequences,
influencing our perspectives and shaping the decisions we make, potentially
endangering the public and individual well-being. With the advent of the
Internet and social media, discussions have moved online, making it easier to
disseminate both accurate and inaccurate information. To combat mis- and
dis-information, many have begun to evaluate the reliability of news sources,
but these assessments often only examine the validity of the news (narrative
bias) and neglect other types of biases, such as the deliberate selection of
events to favor certain perspectives (selection bias). This paper aims to
investigate these biases in various news sources and their correlation with
third-party evaluations of reliability, engagement, and online audiences. Using
machine learning to classify content, we build a six-year dataset on the
Italian vaccine debate and adopt a Bayesian latent space model to identify
narrative and selection biases. Our results show that the source classification
provided by third-party organizations closely follows the narrative bias
dimension, while it is much less accurate in identifying the selection bias.
Moreover, we found a nonlinear relationship between biases and engagement, with
higher engagement for extreme positions. Lastly, analysis of news consumption
on Twitter reveals common audiences among news outlets with similar ideological
positions.
- Abstract（参考訳）: デジタルメディア界でもっとも注目されている課題の1つは、人々が情報に頼っているニュースソースに対するバイアスの影響を理解することである。
偏りのあるニュースは、当社の視点に影響を与え、意思決定を形作り、公衆や個人の幸福を危険にさらす可能性がある。
インターネットとソーシャルメディアの出現により、議論はオンラインに移行し、正確かつ不正確な情報を広めやすくなった。
誤情報や偽情報に対処するために、多くの人はニュースソースの信頼性を評価し始めたが、これらの評価はニュースの妥当性(ナレーションバイアス)のみを検証し、特定の視点(選択バイアス)を好むイベントの意図的な選択など他のタイプのバイアスを無視することが多い。
本稿では,各種ニュースソースにおけるこれらのバイアスと,信頼性,エンゲージメント,オンラインオーディエンスに対する第三者評価との関係について検討する。
機械学習を用いてコンテンツを分類し、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。
以上の結果から, 第三者組織が提供するソース分類は, 物語バイアス次元に密接に従っているが, 選択バイアスを識別する上では, はるかに正確性が低いことが示された。
さらに,偏りと関与の非線形関係を見いだし,極端位置への関与度が高かった。
最後に、twitter上のニュース消費の分析によって、同様のイデオロギー的立場を持つニュースメディアの間で共通のオーディエンスが明らかにされる。
関連論文リスト
- Mapping the Media Landscape: Predicting Factual Reporting and Political Bias Through Web Interactions [0.7249731529275342]
本稿では,最近発表されたニュースメディアの信頼性評価手法の拡張を提案する。
大規模ニュースメディアハイパーリンクグラフ上での4つの強化学習戦略の分類性能を評価する。
本実験は,2つの難解なバイアス記述子,事実報告と政治的偏見を対象とし,情報源メディアレベルでの大幅な性能向上を示した。
論文 参考訳（メタデータ） (2024-10-23T08:18:26Z) - 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) - 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) - Newsalyze: Effective Communication of Person-Targeting Biases in News
Articles [8.586057042714698]
本稿では,自然言語理解の最先端手法を組み合わせたバイアス識別システムを提案する。
第2に,非専門家のニュース消費者にニュース記事のバイアスを伝えるために,バイアスに敏感な可視化を考案する。
第3に、私たちの主な貢献は、日々のニュース消費を近似した設定においてバイアス認識を測定する大規模なユーザスタディです。
論文 参考訳（メタデータ） (2021-10-18T10:23:19Z) - How to Effectively Identify and Communicate Person-Targeting Media Bias
in Daily News Consumption? [8.586057042714698]
本稿では,コンテンツ分析のマニュアル処理を初めて自動化した,ニュースレコメンデーションのためのインプログレスシステムを提案する。
我々の推薦者は、個々のニュース記事に実際に存在している重要なフレームを検出し、明らかにする。
本研究は,イベントの異なる設定のニュース記事の推薦が,バイアスに対する意識を著しく向上させることを示す。
論文 参考訳（メタデータ） (2021-10-18T10:13:23Z) - 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) - 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) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳（メタデータ） (2020-07-16T02:13:55Z)
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。