論文の概要: Connecting the Dots in News Analysis: A Cross-Disciplinary Survey of Media Bias and Framing

• arxiv url: http://arxiv.org/abs/2309.08069v1
• Date: Thu, 14 Sep 2023 23:57:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-18 16:23:41.358340
• Title: Connecting the Dots in News Analysis: A Cross-Disciplinary Survey of Media Bias and Framing
• Title（参考訳）: ニュース分析におけるドットの接続:メディアバイアスとフレームの学際的調査
• Authors: Gisela Vallejo, Timothy Baldwin and Lea Frermann
• Abstract要約: 我々は、現在支配的な方法論は、理論的メディア研究において対処される複雑な問題や効果に対処するに足りていないと論じる。 我々はオープンな質問を議論し、理論と予測モデルの間の特定されたギャップを埋めるための可能な方向を提案し、その評価を行う。
• 参考スコア（独自算出の注目度）: 38.681524893706296
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The manifestation and effect of bias in news reporting have been central topics in the social sciences for decades, and have received increasing attention in the NLP community recently. While NLP can help to scale up analyses or contribute automatic procedures to investigate the impact of biased news in society, we argue that methodologies that are currently dominant fall short of addressing the complex questions and effects addressed in theoretical media studies. In this survey paper, we review social science approaches and draw a comparison with typical task formulations, methods, and evaluation metrics used in the analysis of media bias in NLP. We discuss open questions and suggest possible directions to close identified gaps between theory and predictive models, and their evaluation. These include model transparency, considering document-external information, and cross-document reasoning rather than single-label assignment.
• Abstract（参考訳）: ニュース報道におけるバイアスの顕在化と効果は、数十年間、社会科学の中心的な話題であり、近年、nlpコミュニティで注目を集めている。 NLPは、社会における偏りのあるニュースの影響を調べるための分析のスケールアップや自動手順の貢献に役立てることができるが、理論メディア研究において、現在支配的な方法論は、複雑な問題や影響に対処できないと論じている。 本稿では,社会科学のアプローチを概観し,NLPにおけるメディアバイアスの分析に使用される典型的なタスクの定式化,方法,評価指標と比較する。 オープン質問を議論し,理論モデルと予測モデルのギャップとその評価を閉じる方向を提案する。 これには、文書外情報を考慮したモデル透過性、単一ラベル代入よりも文書間推論などが含まれる。

関連論文リスト

• Intervention strategies for misinformation sharing on social media: A bibliometric analysis [1.8020166013859684]
  不正確な共有情報は混乱を引き起こし、精神的健康に悪影響を及ぼし、誤報による意思決定につながる。 本研究では,ソーシャルメディア上での誤情報共有に対処するための介入戦略の類型について検討する。 認識ベース、自動化ベース、情報ベース、ハイブリッドベースの4つの重要なクラスタを特定します。
  論文  参考訳（メタデータ） (2024-09-26T08:38:15Z)
• Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
  大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。 本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。 観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
  論文  参考訳（メタデータ） (2023-11-15T00:02:25Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Fair Enough: Standardizing Evaluation and Model Selection for Fairness Research in NLP [64.45845091719002]
  現代のNLPシステムは様々なバイアスを示しており、モデル偏見に関する文献が増えている。 本稿では,その現状を解明し,公正学習における意味ある進歩の道筋を立案することを目的とする。
  論文  参考訳（メタデータ） (2023-02-11T14:54:00Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• Revise and Resubmit: An Intertextual Model of Text-based Collaboration in Peer Review [52.359007622096684]
  ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。 既存のNLP研究は個々のテキストの分析に重点を置いている。 編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
  論文  参考訳（メタデータ） (2022-04-22T16:39:38Z)
• Who Blames or Endorses Whom? Entity-to-Entity Directed Sentiment Extraction in News Text [4.218255132083181]
  そこで本稿では,あるニュース資料から政治団体間の有向感情関係を識別する新たなNLPタスクを提案する。 百万件のニュースコーパスから,政治団体の感情関係を手作業でアノテートするニュース文のデータセットを構築した。 本稿は、2016年アメリカ合衆国大統領選挙と新型コロナウイルス(COVID-19)の2つの主要なイベントにおいて、政治団体間の肯定的・否定的な意見を分析することによって、社会科学研究問題に対する提案手法の有用性を実証する。
  論文  参考訳（メタデータ） (2021-06-02T09:02:14Z)
• Situated Data, Situated Systems: A Methodology to Engage with Power Relations in Natural Language Processing Research [18.424211072825308]
  本稿では,自然言語処理(NLP)研究におけるパワーリレーションに関わるバイアス対応手法を提案する。 広範囲にわたる学際的な文献レビューの後、我々はNLP研究にバイアス対応の方法論を貢献する。
  論文  参考訳（メタデータ） (2020-11-11T17:04:55Z)

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。