論文の概要: How News Feels: Understanding Affective Bias in Multilingual Headlines for Human-Centered Media Design

• arxiv url: http://arxiv.org/abs/2510.17252v1
• Date: Mon, 20 Oct 2025 07:40:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.353945
• Title: How News Feels: Understanding Affective Bias in Multilingual Headlines for Human-Centered Media Design
• Title（参考訳）: ニューズフィール:人間中心メディアデザインのための多言語見出しにおける影響バイアスの理解
• Authors: Mohd Ruhul Ameen, Akif Islam, Abu Saleh Musa Miah, Ayesha Siddiqua, Jungpil Shin,
• Abstract要約: 我々はベンガル語ニュースの見出しと内容30万件を分析し、それぞれの主要な感情と全体的なトーンを特定した。 その結果、否定的な感情、特に怒り、恐怖、失望の明確な支配が明らかとなった。 本研究では、感情的な手がかりを可視化し、読者が日々のニュースに隠された感情的フレーミングを認識するのに役立つ人間中心のニュースアグリゲータの設計アイデアを提案する。
• 参考スコア（独自算出の注目度）: 1.5223740593989443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: News media often shape the public mood not only by what they report but by how they frame it. The same event can appear calm in one outlet and alarming in another, reflecting subtle emotional bias in reporting. Negative or emotionally charged headlines tend to attract more attention and spread faster, which in turn encourages outlets to frame stories in ways that provoke stronger reactions. This research explores that tendency through large-scale emotion analysis of Bengali news. Using zero-shot inference with Gemma-3 4B, we analyzed 300000 Bengali news headlines and their content to identify the dominant emotion and overall tone of each. The findings reveal a clear dominance of negative emotions, particularly anger, fear, and disappointment, and significant variation in how similar stories are emotionally portrayed across outlets. Based on these insights, we propose design ideas for a human-centered news aggregator that visualizes emotional cues and helps readers recognize hidden affective framing in daily news.
• Abstract（参考訳）: ニュースメディアは、報道内容だけでなく、その仕組みによって公共の雰囲気を形作っていることが多い。 同じ出来事は、あるアウトレットで穏やかに現れ、別のアウトレットで警告し、レポートの微妙な感情的バイアスを反映します。 否定的あるいは感情的に充電された見出しは、より注意を引き、より速く拡散する傾向にあり、それによってメディアは、より強い反応を引き起こす方法でストーリーをフレーム化することを奨励する。 本研究はベンガル語ニュースの大規模感情分析による傾向を考察する。 Gemma-3 4Bによるゼロショット推論を用いて,30万件のベンガルニュースの見出しとその内容を分析し,それぞれの主要な感情と全体的なトーンを同定した。 この結果から、特に怒り、恐怖、失望といった否定的な感情が明らかに支配され、アウトレット全体を通して、似たような物語が感情的にどのように描写されるかが顕著に異なることが明らかとなった。 これらの知見に基づいて、感情的な手がかりを可視化し、読者が日々のニュースに隠された情緒的フレーミングを認識するのに役立つ、人間中心のニュースアグリゲータの設計アイデアを提案する。

関連論文リスト

• An Analytical Emotion Framework of Rumour Threads on Social Media [70.99338702018942]
  マルチアスペクト感情検出,反響スレッド,非反響スレッドを包括的に分析し,感情の相関分析と因果解析を行う。 我々の枠組みは、噂がよりネガティブな感情(例えば、怒り、恐怖、悲観主義)を引き起こすのに対して、非噂はよりポジティブな感情を引き起こすことを明らかにしている。
  論文  参考訳（メタデータ） (2025-02-23T12:57:40Z)
• Emotion Detection for Misinformation: A Review [23.546901725789645]
  本稿では、誤情報検出のための感情に基づく手法を包括的にレビューする。 本研究では,様々な感情,感情,姿勢に基づく特徴を用いた誤情報検出手法の解析を行う。 本稿では,大規模言語モデルに基づく感情に基づく誤情報検出において,現在進行中の課題について論じる。
  論文  参考訳（メタデータ） (2023-11-01T17:21:09Z)
• 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)
• Why Do You Feel This Way? Summarizing Triggers of Emotions in Social Media Posts [61.723046082145416]
  CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。 我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。 分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
  論文  参考訳（メタデータ） (2022-10-22T19:10:26Z)
• 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)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
  読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。 大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2021-04-18T09:50:11Z)
• Emotion Correlation Mining Through Deep Learning Models on Natural Language Text [3.23176099204268]
  Webニュースからの自然言語テキストを通して感情認識と感情相関のギャップを埋めようとしている。 テキストによる感情認識から感情相関を抽出するために,3種類の特徴と2種類のディープニューラルネットワークモデルを示す。
  論文  参考訳（メタデータ） (2020-07-28T08:59:16Z)

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。