論文の概要: Gender and Prestige Bias in Coronavirus News Reporting

• arxiv url: http://arxiv.org/abs/2301.11994v1
• Date: Fri, 27 Jan 2023 21:18:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:54:47.196458
• Title: Gender and Prestige Bias in Coronavirus News Reporting
• Title（参考訳）: コロナウイルスの「ジェンダー」と「プレスティッジ・バイアス」
• Authors: Rebecca Dorn, Yiwen Ma, Fred Morstatter, Kristina Lerman
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.646098685534984
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Journalists play a vital role in surfacing issues of societal importance, but their choices of what to highlight and who to interview are influenced by societal biases. In this work, we use natural language processing tools to measure these biases in a large corpus of news articles about the Covid-19 pandemic. Specifically, we identify when experts are quoted in news and extract their names and institutional affiliations. We enrich the data by classifying each expert's gender, the type of organization they belong to, and for academic institutions, their ranking. Our analysis reveals disparities in the representation of experts in news. We find a substantial gender gap, where men are quoted three times more than women. The gender gap varies by partisanship of the news source, with conservative media exhibiting greater gender bias. We also identify academic prestige bias, where journalists turn to experts from highly-ranked academic institutions more than experts from less prestigious institutions, even if the latter group has more public health expertise. Liberal news sources exhibit slightly more prestige bias than conservative sources. Equality of representation is essential to enable voices from all groups to be heard. By auditing bias, our methods help identify blind spots in news coverage.
• Abstract（参考訳）: ジャーナリストは社会的な重要性の問題を提起する上で重要な役割を担っているが、何を強調し、誰にインタビューするかの選択は社会的な偏見に影響されている。 本研究では,Covid-19パンデミックに関するニュース記事の大規模なコーパスにおいて,これらのバイアスを測定するために自然言語処理ツールを使用する。 具体的には、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。 我々は、各専門家の性別、所属する組織の種類、および学術機関のランキングを分類することで、データを豊かにする。 我々の分析は、ニュースにおける専門家の表現の相違を明らかにする。 男性は女性より3倍多く引用される。 ジェンダーギャップはニュースソースの党派によって異なり、保守的なメディアはジェンダーバイアスが大きい。 また、ジャーナリストが高評価の学術機関の専門家よりも高評価の学術機関の専門家に目を向ける学術的名声バイアスも認識している。 リベラルなニュースソースは、保守的なソースよりもやや威信的なバイアスを示している。 全てのグループの声を聴くためには表現の平等が不可欠である。 バイアスを監査することで、私たちの手法はニュースカバレッジの盲点を特定するのに役立ちます。

関連論文リスト

• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• 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)
• 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)
• Gender Bias in Fake News: An Analysis [3.4925763160992402]
  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。
  論文  参考訳（メタデータ） (2022-09-24T11:36:29Z)
• Gender stereotypes in the mediated personalization of politics: Empirical evidence from a lexical, syntactic and sentiment analysis [2.7071541526963805]
  イタリアにおける政治的パーソナライゼーションは、男性よりも女性にとって有害であることを示す。 女性政治家は、個人的な詳細が報告されたとき、男性よりもネガティブなトーンで覆われている。 観察された性別の違いに対する主な貢献は、印刷されたニュースではなく、オンラインニュースである。
  論文  参考訳（メタデータ） (2022-02-07T11:40:44Z)
• Quantifying Gender Biases Towards Politicians on Reddit [19.396806939258806]
  政治における男女平等を高める試みにもかかわらず、グローバルな努力は平等な女性代表の確保に苦慮している。 これは、権威のある女性に対する暗黙の性偏見と結びついている可能性が高い。 本稿では、オンライン政治討論に現れるジェンダーバイアスの包括的研究について述べる。
  論文  参考訳（メタデータ） (2021-12-22T16:39:14Z)
• 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)
• 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)
• 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。