論文の概要: You're Not Gonna Believe This: A Computational Analysis of Factual Appeals and Sourcing in Partisan News
- arxiv url: http://arxiv.org/abs/2510.10658v1
- Date: Sun, 12 Oct 2025 15:30:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:30.052321
- Title: You're Not Gonna Believe This: A Computational Analysis of Factual Appeals and Sourcing in Partisan News
- Title（参考訳）: パルチザンニュースの現実的アピールとソーシングの計算分析
- Authors: Guy Mor-Lan, Tamir Sheafer, Shaul R. Shenhav,
- Abstract要約: 本稿では,CNNとFox Newsの大規模比較を通じて,事実報告の背景にある戦略を分析する。
CNNの報告には、より事実的な声明が含まれており、外部の情報源でそれらを裏付ける可能性が高くなる。
アウトレットはまた、大きく異なるソーシングパターンも示している。
- 参考スコア（独自算出の注目度）: 1.6822770693792826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While media bias is widely studied, the epistemic strategies behind factual reporting remain computationally underexplored. This paper analyzes these strategies through a large-scale comparison of CNN and Fox News. To isolate reporting style from topic selection, we employ an article matching strategy to compare reports on the same events and apply the FactAppeal framework to a corpus of over 470K articles covering two highly politicized periods: the COVID-19 pandemic and the Israel-Hamas war. We find that CNN's reporting contains more factual statements and is more likely to ground them in external sources. The outlets also exhibit sharply divergent sourcing patterns: CNN builds credibility by citing Experts} and Expert Documents, constructing an appeal to formal authority, whereas Fox News favors News Reports and direct quotations. This work quantifies how partisan outlets use systematically different epistemic strategies to construct reality, adding a new dimension to the study of media bias.
- Abstract（参考訳）: メディアバイアスは広く研究されているが、事実報告の背後にある疫学的な戦略はいまだに計算的に過小評価されている。
本稿では,これらの戦略をCNNとFox Newsの大規模比較を通じて分析する。
トピック選択からレポートスタイルを分離するために、同じイベントのレポートを比較し、FactAppealフレームワークを、COVID-19パンデミックとイスラエル・ハマス戦争という2つの高度に政治化された期間をカバーする470万以上の記事のコーパスに適用するために、記事マッチング戦略を採用している。
CNNの報告には、より事実的な声明が含まれており、外部の情報源でそれらを裏付ける可能性が高くなる。
CNNはExperts}とExpert Documentsを引用して信頼性を構築し、正式な権威に訴える一方で、Fox NewsはNews Reportsと直接引用を好んでいる。
この研究は、パルチザンが組織的に異なるてんかん戦略を用いて現実を構築する方法を定量化し、メディアバイアスの研究に新たな次元を加える。
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) - DocNet: Semantic Structure in Inductive Bias Detection Models [0.4779196219827508]
本稿では,新しい,インダクティブで低リソースなドキュメント埋め込みと政治的バイアス検出モデルであるDocNetを紹介する。
文書レベルのグラフ埋め込みに代表される、対立する政治的側からのニュース記事の意味的構造は、大きな類似性を持っていることを実証する。
論文 参考訳（メタデータ） (2024-06-16T14:51:12Z) - Tracking the Newsworthiness of Public Documents [107.12303391111014]
この研究は、サンフランシスコ・クロニクル(San Francisco Chronicle)によるサンフランシスコ・ベイエリアにおける地方公共政策のニュース報道に焦点を当てている。
まず、新聞記事、公共政策文書、会議記録を収集し、確率的関係モデルを用いてそれらをリンクする。
第二に、ポリシー項目がカバーされるかどうかを予測するために、ニューズサステイネス予測という新しいタスクを定義します。
論文 参考訳（メタデータ） (2023-11-16T10:05:26Z) - 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) - 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) - Predicting Sentence-Level Factuality of News and Bias of Media Outlets [10.925648034990306]
本稿では,AllSides が提案する事実とメディアバイアスの定義に基づいて,6,191 の注釈付き文からなる「FactNews」という文レベルの大規模データセットを提案する。
我々はFactNewsを用いて、ニュースメディアの文章レベルの事実性を予測するための2つのテキスト分類問題を定式化し、ニュースソースの全体的な信頼性を評価する。
論文 参考訳（メタデータ） (2023-01-27T16:56:24Z) - Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
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。
論文 参考訳（メタデータ） (2023-01-16T05:56:58Z) - 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)
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。