論文の概要: How Generative AI Redefines Personalization and Diversity in the Newsroom
- arxiv url: http://arxiv.org/abs/2611.07931v1
- Date: Thu, 05 Nov 2026 12:36:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.682086
- Title: How Generative AI Redefines Personalization and Diversity in the Newsroom
- Title（参考訳）: ニュースルームのパーソナライゼーションと多様性を再定義するAI
- Abstract要約: ニュースのパーソナライゼーションと情報の多様性の緊張は、伝統的に異なるコンテンツが異なる人々に届くという問題として理解されてきた。
ジャーナリストがオーディエンスにニュースを適応する方法と、ジャーナリストがコンテンツ制作を自身の好みに合わせてパーソナライズする方法だ。
参加者は、コンテンツプレゼンテーションの側面を委譲しながら、意味に関する権限を維持することで、AI統合を交渉する。
- 参考スコア（独自算出の注目度）: 9.800440835318291
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The tension between news personalization and information diversity has traditionally been understood as a matter of different content reaching different people, with diversity evaluated by the range of sources, topics, and perspectives to which audiences are exposed. Generative AI outdates this understanding, since it transforms personalization in two ways: how journalists adapt news to audiences and how the AI tools journalists use personalize content production to their own preferences. Drawing on 16 semi-structured interviews with media professionals across public service, commercial, and state-affiliated news settings, we examine how these practices reshape editorial judgment and the conditions under which news diversity is produced. We find that participants negotiate AI integration by maintaining authority over meaning while delegating aspects of content presentation. Yet the tools they adapt for their own work also mediate which sources and perspectives become available, introducing diversity-relevant decisions that remain largely invisible to organizational oversight. While participants anticipate diversity risks in audience-facing personalization, they predominantly interpret diversity-imposed limitations in their own tools as technical problems. As a result, decisions that shape news diversity increasingly occur before publication and across multiple versions of a story, where neither evaluation of published items nor human approval can readily observe them. Journalists thus remain formally responsible for outcomes shaped by decisions they cannot fully see or control. Our findings highlight that safeguarding news diversity requires looking beyond published content to the professional practices, infrastructures, and distributions of control that shape it.
- Abstract（参考訳）: ニュースのパーソナライゼーションと情報の多様性の緊張は、伝統的に異なる人物に届く異なるコンテンツの問題として理解されてきた。
ジャーナリストがオーディエンスにニュースを適応する方法と、ジャーナリストがコンテンツ制作を自身の好みに合わせてパーソナライズする方法だ。
公共サービス、商業、および州関連ニュースセッティングに関わるメディア専門家16人との半構造化インタビューを参考に、これらの実践が編集判断をどう変え、ニュースの多様性を生み出すかを検討する。
参加者は、コンテンツプレゼンテーションの側面を委譲しながら、意味に関する権限を維持することで、AI統合を交渉する。
しかし、彼らが自身の仕事に適応するツールは、どのソースと視点が利用可能になるかを仲介する。
参加者は、聴衆が直面するパーソナライズにおける多様性のリスクを期待する一方で、彼らのツールにおける多様性を技術的問題として解釈する。
結果として、ニュースの多様性を形作る決定は、出版前にも、複数のバージョンのストーリーにまたがっても、出版物の評価や人間による承認も容易に観察できないようになってきている。
したがって、ジャーナリストは、彼らが完全に見たりコントロールできない決定によって形作られた結果に対して、公式に責任を負うことになる。
我々の発見は、ニュースの多様性を守るためには、それを形作る専門的な実践、インフラ、および制御の分布に、公開コンテンツを超えて目を向ける必要があることを浮き彫りにしている。
関連論文リスト
- Without journalists, there is no journalism: the social dimension of generative artificial intelligence in the media [0.0]
メディアにおけるAIの利用には、聴衆によるイノベーションの活用と、それが開発に与える影響を社会的なアプローチが要求される。
メディアにおけるAIの研究は、それが個人やジャーナリストにどのように影響を与えるか、職業や社会的利益の適切な目的のためにどのように使用できるか、そしてその使用が引き起こすギャップを埋める方法について分析することに焦点を当てるべきである。
論文 参考訳（メタデータ） (2026-08-17T18:11:46Z) - Can Memory-Augmented LLM Agents Aid Journalism in Interpreting and Framing News for Diverse Audiences? [0.0]
MADESは、社会的コミュニケーションをシミュレートするために設計されたエージェントベースのフレームワークである。
我々は、その反復的な議論プロセスを通じて、ニュースコンテンツ内の混乱と誤解を識別する。
以上の結果から, エージェントは補充資料を受け取った後, ニュース理解を著しく改善したことが明らかとなった。
論文 参考訳（メタデータ） (2025-04-30T13:43:18Z) - Media Bias Detector: Designing and Implementing a Tool for Real-Time Selection and Framing Bias Analysis in News Coverage [29.438946779179346]
私たちは、研究者、ジャーナリスト、ニュース消費者のためのツールであるMedia Bias Detectorを紹介します。
大規模な言語モデルを統合することで、出版者レベルに集約されたニュース記事の話題、トーン、政治的傾向、事実について、ほぼリアルタイムに詳細な洞察を提供する。
論文 参考訳（メタデータ） (2025-02-09T19:54:31Z) - Aligning AI with Public Values: Deliberation and Decision-Making for Governing Multimodal LLMs in Political Video Analysis [48.14390493099495]
AIモデルが政治的トピックにどう対処すべきかは議論されているが、依然として困難であり、より優れたガバナンスが必要である。
本稿では、政治的に敏感なビデオを中心に、個人的および集団的な議論を通じて、大規模言語モデルのガバナンスについて検討する。
論文 参考訳（メタデータ） (2024-09-15T03:17:38Z) - From Text to Context: An Entailment Approach for News Stakeholder Classification [0.5459032912385802]
本稿では,新聞記事の利害関係者のタイプを分類するための効果的なアプローチを提案する。
提案手法では,利害関係者の分類問題を自然言語推論タスクに変換する。
提案モデルでは、ゼロショット設定で有効性を示し、その適用性を様々なニュースコンテキストに拡張する。
論文 参考訳（メタデータ） (2024-05-14T16:35:21Z) - 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) - 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) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - 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)
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。