論文の概要: Computational Assessment of Hyperpartisanship in News Titles

• arxiv url: http://arxiv.org/abs/2301.06270v2
• Date: Sun, 21 Apr 2024 10:55:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 01:32:01.944872
• Title: Computational Assessment of Hyperpartisanship in News Titles
• Title（参考訳）: ニュースタイトルにおける超党派の計算的評価
• Authors: Hanjia Lyu, Jinsheng Pan, Zichen Wang, Jiebo Luo,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 55.92100606666497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We first adopt a human-guided machine learning framework to develop a new dataset for hyperpartisan news title detection with 2,200 manually labeled and 1.8 million machine-labeled titles that were posted from 2014 to the present by nine representative media organizations across three media bias groups - Left, Central, and Right in an active learning manner. A fine-tuned transformer-based language model achieves an overall accuracy of 0.84 and an F1 score of 0.78 on an external validation set. Next, we conduct a computational analysis to quantify the extent and dynamics of partisanship in news titles. While some aspects are as expected, our study reveals new or nuanced differences between the three media groups. We find that overall the Right media tends to use proportionally more hyperpartisan titles. Roughly around the 2016 Presidential Election, the proportions of hyperpartisan titles increased across all media bias groups, with the Left media exhibiting the most significant relative increase. We identify three major topics including foreign issues, political systems, and societal issues that are suggestive of hyperpartisanship in news titles using logistic regression models and the Shapley values. Through an analysis of the topic distribution, we find that societal issues gradually gain more attention from all media groups. We further apply a lexicon-based language analysis tool to the titles of each topic and quantify the linguistic distance between any pairs of the three media groups, uncovering three distinct patterns.
• Abstract（参考訳）: まず、私たちは、2014年から現在までの3つのメディアバイアスグループ(左、中央、右)の9つの代表的なメディア組織によって投稿された2,200のラベル付きおよび1.8万のマシンラベル付きタイトルで、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、人間のガイド付き機械学習フレームワークを採用しました。 微調整変換器に基づく言語モデルでは、全体的な精度は0.84、F1スコアは0.78となる。 次に,ニュースタイトルにおけるパーティショナリズムの程度と動態を定量化する計算分析を行う。 いくつかの側面は期待通りだが,本研究は3つのメディアグループ間の新たな相違やニュアンスな相違を明らかにした。 全体的に右派メディアは比例して超党派的なタイトルを使う傾向にある。 2016年の大統領選挙前後、すべてのメディア偏見グループで超党派のタイトルの割合が増加し、左派メディアは最も顕著な相対的な増加を見せた。 我々は、ロジスティック回帰モデルとシェープリー値を用いて、ニュースタイトルにおける過党主義を示唆する外国問題、政治システム、社会問題を含む3つの主要なトピックを識別する。 トピック分布の分析により,社会問題への注目が徐々に高まっていくことが判明した。 さらに、各トピックのタイトルに辞書ベースの言語分析ツールを適用し、3つの異なるパターンを明らかにすることで、3つのメディアグループのいずれかのペア間の言語距離を定量化する。

関連論文リスト

• All Things Considered: Detecting Partisan Events from News Media with Cross-Article Comparison [19.328425822355378]
  我々は,ニュース記事のイデオロギーを予測するための潜在変数ベースのフレームワークを開発する。 以上の結果から,主観性や非党派的傾向が強い主流メディアにおいても,メディアバイアスのレベルが高いことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-28T21:53:23Z)
• Crossing the Aisle: Unveiling Partisan and Counter-Partisan Events in News Reporting [7.8192232188516115]
  我々は,メディアがニュース報道のバランスを保ち,イベント包摂や欠席を通じて消費者に影響を与える程度について検討する。 まず、パルチザンと反パルチザンの両方を検知するタスクを紹介する。 以上の結果から,ニュースが微妙に意見を形成する方法と,大規模言語モデルの必要性の両方が浮かび上がっている。
  論文  参考訳（メタデータ） (2023-10-28T17:50:13Z)
• 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)
• Inference of Media Bias and Content Quality Using Natural-Language Processing [6.092956184948962]
  本稿では、メディアの政治バイアスとコンテンツ品質の両方をテキストから推測する枠組みを提案する。 我々は,100万ツイート以上のデータセットに対して,双方向長短期記憶(LSTM)ニューラルネットワークを適用した。 この結果から,テキスト分析における単語順序の学習手法への活用の重要性が示唆された。
  論文  参考訳（メタデータ） (2022-12-01T03:04:55Z)
• 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)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• Content-based Analysis of the Cultural Differences between TikTok and Douyin [95.32409577885645]
  ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。 特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。 同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。 メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
  論文  参考訳（メタデータ） (2020-11-03T01:47:49Z)
• 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。