paint-brush
극성 최소화 손실로 프레이밍 바이어스 완화: 관련 작업~에 의해@mediabias
435 판독값
435 판독값

극성 최소화 손실로 프레이밍 바이어스 완화: 관련 작업

너무 오래; 읽다

본 논문에서 연구자들은 정치적 양극화의 주요 동인인 미디어의 프레이밍 편견을 다루고 있습니다. 그들은 보고의 극성 차이를 최소화하고 편향을 효과적으로 줄이기 위한 새로운 손실 함수를 제안합니다.
featured image - 극성 최소화 손실로 프레이밍 바이어스 완화: 관련 작업
Media Bias [Deeply Researched Academic Papers] HackerNoon profile picture
0-item

이 문서는 CC BY-NC-SA 4.0 DEED 라이센스에 따라 arxiv에서 볼 수 있습니다.

저자:

(1) 방예진, 홍콩과기대학교 인공지능연구센터(CAiRE);

(2) 이나연, 홍콩과기대학교 인공지능연구센터(CAiRE);

(3) Pascale Fung, 홍콩 과학 기술 대학교 인공 지능 연구 센터(CAiRE).

링크 표

2. 관련 업무

프레이밍 편향 프레이밍 편향은 미디어 연구 분야에서 잘 문서화되어 있는 현상입니다(Wright and Goodwin, 2002; Entman, 2002, 2010, 2007; Gentzkow and Shapiro, 2006; Gentzkow et al., 2015; Beratšová et al., 2016 ). Gentzkow와 Shapiro(2006)에 따르면 프레이밍 편향은 언론인과 언론 매체가 편향된 언어 사용(어휘)으로 다른 내용(정보)을 무시하거나 경시하거나 무시하면서 기사의 특정 측면을 선택적으로 강조할 때 발생합니다. 이는 특히 특정 의제나 이데올로기를 제공하기 위해 프레임을 구성하는 경우 대중 사이에서 사건에 대한 왜곡된 인식을 초래할 수 있습니다(Kahneman and Tversky, 2013; Goffman, 1974). 프레임 편향의 영향은 언론 매체와 정당이 각자의 기반에 호소하기 위해 고안된 양극화 담론에 종종 참여하는 정치 분야에서 특히 분명합니다(Scheufele, 2000; Chong and Druckman, 2007).


자동 완화 노력 이를 완화하기 위해 다양한 자동 미디어 편견 완화 노력이 있었습니다(Fan et al., 2019; Hamborg et al., 2019; Morstatter et al., 2018; Laban and Hearst, 2017; Hamborg et al., 2017 ; Zhang 외, 2019b; Van den Berg 및 Markert, 2020; 유사한 작업 라인은 이데올로기 예측(Liu et al., 2022)(왼쪽, 오른쪽 또는 중앙 성향인 경우) 또는 입장 예측(Baly et al., 2020)입니다. 이는 극성 탐지입니다. 반면, 우리의 작업은 편광 기사에서 신경 기사를 생성하는 데 중점을 둡니다. 프레이밍 편향이 매우 미묘하게 발생하는 경우가 많다는 점을 감안할 때 Morstatter et al. (2018)은 문장에서 프레임 편향 패턴을 학습하고 이를 자동으로 탐지하려고 시도합니다. 또 다른 일반적인 완화 시도는 자동 방식으로 여러 관점을 표시하는 것입니다(Hamborg et al., 2017; Park et al., 2009). Lee et al. (2022)는 양극화된 기사를 요약하여 하나의 요약으로 여러 관점을 자동으로 제공하는 추가 조치를 취했습니다. 우리의 작업은 이전 작업의 비전과 일치하지만 극성 최소화 손실을 연구하여 프레임 편향을 완화하는 보다 일반적인 방법에 중점을 둡니다.