論文の概要: Neutralizing the Narrative: AI-Powered Debiasing of Online News Articles
- arxiv url: http://arxiv.org/abs/2504.03520v1
- Date: Fri, 04 Apr 2025 15:17:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-07 14:49:59.681957
- Title: Neutralizing the Narrative: AI-Powered Debiasing of Online News Articles
- Title（参考訳）: ナラティブの中立化: オンラインニュース記事のAIによる嫌悪
- Authors: Chen Wei Kuo, Kevin Chu, Nouar AlDahoul, Hazem Ibrahim, Talal Rahwan, Yasir Zaki,
- Abstract要約: ニュース報道のバイアスは、特に犯罪、政治、社会問題に関して、公衆の認識に大きな影響を及ぼす。
本稿では,高度な大規模言語モデル(LLM),特にGPT-4o,GPT-4o Mini,Gemini Pro,Gemini Flash,Llama 8B,Llama 3Bを活用するAI駆動フレームワークを紹介する。
提案手法は,(1) 偏差検出法,(1) 偏差検出法,(1) 偏差検出法,(2) GPT-4o Mini を用いた反復的偏差検出法,の2段階からなる。
- 参考スコア（独自算出の注目度）: 1.340487372205839
- License:
- Abstract: Bias in news reporting significantly impacts public perception, particularly regarding crime, politics, and societal issues. Traditional bias detection methods, predominantly reliant on human moderation, suffer from subjective interpretations and scalability constraints. Here, we introduce an AI-driven framework leveraging advanced large language models (LLMs), specifically GPT-4o, GPT-4o Mini, Gemini Pro, Gemini Flash, Llama 8B, and Llama 3B, to systematically identify and mitigate biases in news articles. To this end, we collect an extensive dataset consisting of over 30,000 crime-related articles from five politically diverse news sources spanning a decade (2013-2023). Our approach employs a two-stage methodology: (1) bias detection, where each LLM scores and justifies biased content at the paragraph level, validated through human evaluation for ground truth establishment, and (2) iterative debiasing using GPT-4o Mini, verified by both automated reassessment and human reviewers. Empirical results indicate GPT-4o Mini's superior accuracy in bias detection and effectiveness in debiasing. Furthermore, our analysis reveals temporal and geographical variations in media bias correlating with socio-political dynamics and real-world events. This study contributes to scalable computational methodologies for bias mitigation, promoting fairness and accountability in news reporting.
- Abstract（参考訳）: ニュース報道のバイアスは、特に犯罪、政治、社会問題に関して、公衆の認識に大きな影響を及ぼす。
従来のバイアス検出手法は、主に人間のモデレーションに依存しており、主観的な解釈とスケーラビリティの制約に悩まされている。
本稿では,GPT-4o,GPT-4o Mini,Gemini Pro,Gemini Flash,Llama 8B,Llama 3Bといった先進的な大規模言語モデル(LLM)を活用するAI駆動フレームワークを紹介し,ニュース記事のバイアスを体系的に識別し軽減する。
この目的のために,10年間にわたる政治的に多様な5つのニュースソースから,3万件以上の犯罪関連記事からなる広範囲なデータセットを収集した(2013-2023)。
提案手法は,(1) 偏差検出法,(1) 偏差検出法,(1) 偏差検出法,(2) GPT-4o Mini を用いた反復的偏差検出法,の2段階からなる。
実験の結果, GPT-4o Miniの偏差検出精度と脱バイアス効果が良好であった。
さらに, メディアバイアスの時間的・地理的変動は, 社会・政治力学や実世界の事象と関連していることが明らかとなった。
本研究は, バイアス緩和のためのスケーラブルな計算手法に寄与し, 報知における公平性と説明責任を促進する。
関連論文リスト
- Decoding News Bias: Multi Bias Detection in News Articles [1.433758865948252]
我々は、ニュース記事に存在する様々なバイアスを調査し、大きな言語モデル(LLM)を用いたデータセットを構築した。
提案手法は広スペクトルバイアス検出の重要性を強調し,ニュース記事の完全性向上のための新たな洞察を提供する。
論文 参考訳（メタデータ） (2025-01-05T09:09:53Z) - 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) - Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。
FASTは最先端のベースラインを超え、デバイアス性能が優れている。
これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
論文 参考訳（メタデータ） (2024-08-07T17:14:58Z) - Measuring and Addressing Indexical Bias in Information Retrieval [69.7897730778898]
PAIRフレームワークは、ランキングドキュメンテーションやIRシステム全体の自動バイアス監査をサポートする。
DUOを導入した後、我々は32kの合成と4.7kの天然文書からなる新しいコーパスで8つのIRシステムの広範な評価を行った。
人間の行動学的研究は、私たちのアプローチを検証し、私たちのバイアスメトリクスが、いつ、どのように指標バイアスが読者の意見を変えるかを予測するのに役立ちます。
論文 参考訳（メタデータ） (2024-06-06T17:42:37Z) - The Media Bias Taxonomy: A Systematic Literature Review on the Forms and
Automated Detection of Media Bias [5.579028648465784]
本稿は、2019年から2022年の間に発行された3140の論文を体系的にレビューし、メディアバイアスを検出するための計算方法の研究を要約する。
メディアバイアス検出は,近年,トランスフォーマーに基づく分類手法が顕著な進歩をもたらしている,非常に活発な研究分野であることを示す。
論文 参考訳（メタデータ） (2023-12-26T18:13:52Z) - 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) - Target-Aware Contextual Political Bias Detection in News [22.396285428304083]
ニュースにおける文レベルの政治的偏見検出は、文脈を考慮した偏見の理解を必要とする課題である。
メディアバイアス検出におけるこれまでの研究は、この事実を利用するための拡張技術を提案した。
本稿では、バイアスに敏感なターゲット認識アプローチを用いて、より注意深くコンテキストを探索する手法を提案する。
論文 参考訳（メタデータ） (2023-10-02T12:25:05Z) - 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) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳（メタデータ） (2022-08-10T03:41:48Z) - 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) - 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。