paint-brush
ভারতীয় টুইটারে সাংবাদিক-রাজনীতিবিদ ইন্টারঅ্যাকশনের মধ্যে লিঙ্গ পক্ষপাত উন্মোচন: ফলাফলদ্বারা@mediabias
491 পড়া
491 পড়া

ভারতীয় টুইটারে সাংবাদিক-রাজনীতিবিদ ইন্টারঅ্যাকশনের মধ্যে লিঙ্গ পক্ষপাত উন্মোচন: ফলাফল

দ্বারা Tech Media Bias [Research Publication]5m2024/05/17
Read on Terminal Reader

অতিদীর্ঘ; পড়তে

এই গবেষণাপত্রে, গবেষকরা টুইটারে ভারতীয় রাজনৈতিক বক্তৃতায় লিঙ্গ পক্ষপাত বিশ্লেষণ করেছেন, সামাজিক মিডিয়াতে লিঙ্গ বৈচিত্র্যের প্রয়োজনীয়তা তুলে ধরেছেন।
featured image - ভারতীয় টুইটারে সাংবাদিক-রাজনীতিবিদ ইন্টারঅ্যাকশনের মধ্যে লিঙ্গ পক্ষপাত উন্মোচন: ফলাফল
Tech Media Bias [Research Publication] HackerNoon profile picture
0-item

এই কাগজটি CC BY-NC-ND 4.0 DEED লাইসেন্সের অধীনে arxiv-এ উপলব্ধ।

লেখক:

(1) বৃশা জৈন, স্বাধীন গবেষক ভারত এবং [email protected];

(2) মাইনাক মন্ডল, আইআইটি খড়গপুর ভারত এবং [email protected]

লিঙ্কের টেবিল

5. ফলাফল

5.1। মিথস্ক্রিয়া ফ্রিকোয়েন্সিতে লিঙ্গ পক্ষপাত এবং সাংবাদিক-রাজনীতিবিদ মিথস্ক্রিয়াগুলির জনপ্রিয়তা (RQ1)

প্রথম গবেষণা প্রশ্নের উত্তর অন্বেষণ করার জন্য, আমরা টুইটারে রাজনীতিবিদ এবং সাংবাদিকদের মধ্যে ইন্টারঅ্যাকশনের ফ্রিকোয়েন্সিতে (অর্থাৎ উল্লেখের ফ্রিকোয়েন্সি) লিঙ্গ পক্ষপাত আছে কিনা তা পরীক্ষা করে শুরু করেছি।


সাংবাদিকদের দ্বারা পুরুষ রাজনীতিবিদদের প্রায়শই উল্লেখ করা হয়: চিত্র 1a পুরুষ এবং মহিলা রাজনীতিবিদদের উল্লেখ করে সাংবাদিকদের দ্বারা পোস্ট করা সংখ্যার টুইটগুলির CDF তুলনা করে৷ আমরা এই চিত্র থেকে একটি আকর্ষণীয় পর্যবেক্ষণ করা. যখন গ্রহীতা রাজনীতিবিদ পুরুষ হন (অর্থাৎ, এমজে-এমপি এবং এফজে-এমপি বিভাগে), তখন উল্লিখিত টুইটের সংখ্যা (এবং তাই সাংবাদিক-রাজনীতিবিদ মিথস্ক্রিয়ার ফ্রিকোয়েন্সি) বেশি হয় যখন মহিলা রাজনীতিবিদরা গ্রহণের প্রান্তে থাকে। সেই লক্ষ্যে, চারটি বিভাগের মধ্যে সাংবাদিক প্রতি টুইটের সংখ্যার মধ্যে একটি ক্রুস্কাল-ওয়ালিস পরীক্ষায় পরিসংখ্যানগতভাবে উল্লেখযোগ্য পার্থক্যগুলি প্রকাশ করেছে ( p << 0.05)। তারপর আমরা চারটি বিভাগের (MJ-MP, MJ-FP, FJ-MP, FJ-FP) মধ্যে অনুসরণ করার জন্য জোড়া অনুসারে মান-হুইটনি পরীক্ষা করেছি। কোন পরিসংখ্যানগতভাবে উল্লেখযোগ্য পার্থক্য নেই যখন একজন পুরুষ বা মহিলা সাংবাদিক পুরুষ রাজনীতিবিদদের অ্যাকাউন্ট উল্লেখ করেন। একইভাবে, কোন পরিসংখ্যানগতভাবে উল্লেখযোগ্য পার্থক্য নেই যখন একজন পুরুষ বা মহিলা সাংবাদিক একজন মহিলা রাজনীতিবিদ অ্যাকাউন্ট উল্লেখ করেন। যাইহোক, পুরুষ/মহিলা সাংবাদিকরা কত ঘন ঘন পুরুষ রাজনীতিবিদদের উল্লেখ করে বনাম তারা কত ঘন ঘন নারী রাজনীতিবিদদের উল্লেখ করে তার মধ্যে পরিসংখ্যানগতভাবে উল্লেখযোগ্য পার্থক্য রয়েছে (সমস্ত p << 0.05)। এরপরে আমরা পুরুষ বনাম মহিলা রাজনীতিবিদদের প্রতি নির্দেশিত টুইট প্রতি জনপ্রিয়তার তুলনা করি।



সারণি 2: রাজনীতিবিদদের উল্লেখ করে সাংবাদিকদের পোস্ট করা # টুইটের নমুনা উদ্ধৃতি। আমরা প্রেরক এবং প্রাপকের লিঙ্গের উপর ভিত্তি করে চারটি ভিন্ন বিভাগের টুইটগুলি দেখাই৷


(ঘ)


vely)। আমাদের পর্যবেক্ষণ থেকে বোঝা যায় যে ভারতে টুইটার ব্যবহারকারীরা মহিলা রাজনীতিবিদদের সম্পর্কে মহিলা সাংবাদিকদের দৃষ্টিভঙ্গির তুলনায় মহিলা রাজনীতিবিদদের বিষয়ে পুরুষ সাংবাদিকদের মতামতকে বেশি বিশ্বাসযোগ্যতা বলে মনে করে। এই পর্যবেক্ষণগুলি "রিটুইট" এর জন্যও ধরে রাখে। সামগ্রিকভাবে, এই চারটি বিভাগের টুইটের আমাদের জনপ্রিয়তা বিশ্লেষণ প্রকাশ করে যে সাংবাদিকরা রাজনীতিবিদদের সাথে তাদের মিথস্ক্রিয়ায় স্পষ্ট পক্ষপাতের শিকার হন না, তবে সক্রিয় টুইটার ব্যবহারকারীদের কাছ থেকে এই মিথস্ক্রিয়াগুলি যে পরিমাণ আগ্রহ তৈরি করে তাতে লিঙ্গ পক্ষপাতের অস্তিত্বকে সমর্থন করার প্রমাণ রয়েছে।

5.2। সাংবাদিক-রাজনীতিবিদ টুইটের বিষয়বস্তুর মধ্যে লিঙ্গ পক্ষপাত (RQ2)

শেষ বিভাগে, আমাদের বিশ্লেষণ পুরুষ এবং মহিলা উভয় সাংবাদিকদের থেকে পুরুষ রাজনীতিবিদদের প্রতি একটি উল্লেখযোগ্য পক্ষপাতিত্ব দেখিয়েছে- পুরুষ রাজনীতিবিদদের উল্লেখ করা টুইটগুলি আরও ঘন ঘন এবং জনপ্রিয়। যাইহোক, সেই লক্ষ্যে, আমরা পরীক্ষা করেছি যে এই টুইটগুলির বিষয়বস্তু এই পক্ষপাতের জন্য দায়ী হতে পারে কিনা। বিশেষত, আমরা পুরুষ/মহিলা সাংবাদিকদের দ্বারা লেখা এবং পুরুষ/মহিলা রাজনীতিবিদদের দিকে নির্দেশিত টুইটের আবেগ এবং বিষয় পরীক্ষা করেছি।


5.2.1। আবেগ বিশ্লেষণ। : আমরা প্রতিটি বিভাগের জন্য টুইটের আবেগ সনাক্ত করার জন্য TweetNLP টুল ব্যবহার করেছি [6]। TweetNLP আবেগ শনাক্ত করার জন্য একটি ডায়াক্রোনিক বৃহৎ-ভাষা মডেল (TimeLMs) ভিত্তিক পদ্ধতি প্রদান করে, বিশেষ করে বহুভাষিক টুইট থেকে। এই বিশ্লেষণের লক্ষ্য হল টুইটের আবেগগত স্কোরের মধ্যে উল্লেখযোগ্য পার্থক্য আছে কিনা তা নির্ধারণ করা - যদি এটি প্রেরক এবং প্রাপকের লিঙ্গের উপর ভিত্তি করে টুইটগুলিতে অন্তর্নিহিতভাবে একটি লিঙ্গ পক্ষপাত নির্দেশ করতে পারে। আমরা চারটি প্রধান আবেগ বিবেচনা করেছি: রাগ, আনন্দ, আশাবাদ এবং দুঃখ এবং চারটি বিভাগে প্রতিটি টুইট এই মাত্রা বরাবর আবেগ স্কোরের জন্য বরাদ্দ করা হয়েছিল। তারপরে আমরা চারটি বিভাগে (এমজে-এমপি, এমজে-এফপি, এফজে-এমপি, এফজে-এফপি) আবেগগুলির মধ্যে কোনটি আলাদা ছিল কিনা তা সনাক্ত করতে আমরা একটি ক্রুস্কাল-ওয়ালিস পরীক্ষা করেছি। আমরা দেখেছি যে চারটি পরীক্ষার প্রতিটির জন্য p- মান (প্রতিটি আবেগের জন্য একটি) 0.16 থেকে 0.99 পর্যন্ত ছিল, যা টুইটগুলির আবেগগুলির মধ্যে কোনও পরিসংখ্যানগতভাবে উল্লেখযোগ্য পার্থক্যের ইঙ্গিত দেয়নি৷


5.2.2। বিষয় বিশ্লেষণ। : আরও খনন করার জন্য, আমরা চারটি বিভাগ জুড়ে সংগৃহীত টুইটগুলির একটি বিষয় বিশ্লেষণ করেছি (ল্যাটেন্ট ডিরিচলেট অ্যালোকেশন বা এলডিএ ব্যবহার করে)। লক্ষ্য ছিল প্রেরক বা প্রাপকের লিঙ্গের উপর ভিত্তি করে টুইটগুলির বিষয়গুলি পরিবর্তিত হয়েছে কিনা তা পরীক্ষা করা। বিভাগ 4-এ বর্ণিত হিসাবে আমরা প্রতিটি বিভাগের জন্য সর্বোত্তম সংখ্যক বিষয় (যা মূলত শব্দের ক্লাস্টার) চিহ্নিত করেছি এবং LDA অ্যালগরিদম ব্যবহার করে প্রতিটি বিষয়ের জন্য সবচেয়ে উল্লেখযোগ্য পাঁচটি শব্দ চিহ্নিত করেছি। চারটি বিভাগের প্রতিটির জন্য, বিষয়ের সর্বোত্তম সংখ্যা ছিল তেরোটি। এরপরে, আমরা টুইটের প্রতিটি বিভাগের জন্য LDA অ্যালগরিদম ব্যবহার করে তেরোটি বিষয় চিহ্নিত করেছি এবং সনাক্ত করা বিষয়গুলির জন্য একটি উল্লেখযোগ্য শব্দ বিশ্লেষণ করেছি৷ বিশেষত, টুইটগুলির প্রতিটি বিভাগের জন্য আমরা বিষয়গুলি নির্বাচন করেছি (যেমন, MJ-MP থেকে বিষয়গুলি) এবং প্রতিটি বিষয়ের প্রতিনিধিত্বকারী উল্লেখযোগ্য শব্দগুলি বেছে নিয়েছি৷ তারপরে প্রতিটি বিষয়ের জন্য আমরা পরীক্ষা করে দেখেছি যে এই শব্দগুলি টুইটগুলির অন্যান্য বিভাগ থেকে শনাক্ত করা বিষয়গুলিতেও এসেছে কিনা (যদি পাওয়া যায় তবে এটি বোঝাবে যে বিষয়গুলির প্রতিনিধিত্বকারী শব্দগুলি টুইটের অন্যান্য বিভাগ থেকে সনাক্ত করা বিষয়গুলিতেও উপস্থিত রয়েছে)। টুইটের চারটি বিভাগের প্রতিটিতে গড়ে 81.5% থেকে 93.8% উল্লেখযোগ্য শব্দ (বিষয়গুলির প্রতিনিধিত্ব করে) অন্যান্য বিভাগের টুইটগুলি থেকে শনাক্ত করা বিষয়গুলিতে ঘটে।


এই বিশ্লেষণটি আবেগ বিশ্লেষণ থেকে আমাদের পর্যবেক্ষণকে সমর্থন করে- এই চারটি বিভাগ জুড়ে টুইটের বিষয়বস্তু একই। যাইহোক, এখনও পুরুষ রাজনীতিবিদদের দিকে পরিচালিত টুইটগুলি মহিলা রাজনীতিবিদদের প্রতি নির্দেশিত টুইটগুলির তুলনায় আরও বেশি মিথস্ক্রিয়া আকর্ষণ করে৷ পরবর্তী আমরা এই লিঙ্গ পক্ষপাতের একটি সম্ভাব্য কারণ অন্বেষণ করি।

5.3। লিঙ্গ পক্ষপাতের সম্ভাব্য কারণ

5.3.1। ভারতীয় টুইটারে অন্তর্নিহিত লিঙ্গ পক্ষপাত : আমরা শীর্ষ রাজনীতিবিদদের সম্পর্কে একটি সাধারণ পরিসংখ্যান পরীক্ষা করেছি- কতজন জনপ্রিয় রাজনীতিবিদ (টুইটার অনুসরণকারীদের সংখ্যার উপর ভিত্তি করে) পুরুষ বনাম তারা মহিলা৷ সেই লক্ষ্যে, আমরা আমাদের শীর্ষ রাজনীতিবিদদের ডেটাসেট ব্যবহার করেছি এবং শীর্ষ 85 জন রাজনীতিবিদদের (যাদের টুইটার অ্যাকাউন্টগুলিও এই গবেষণার অংশ) লিঙ্গ পরীক্ষা করেছি। এই বিশ্লেষণটি শীর্ষ রাজনীতিবিদদের মধ্যে একটি অস্বস্তিকর লিঙ্গ ভারসাম্যহীনতা উন্মোচন করেছে- 85 জন শীর্ষ রাজনীতিবিদদের মধ্যে 58 জন পুরুষ এবং 26 জন মহিলা। এইভাবে, জনপ্রিয় নারী রাজনীতিবিদদের তুলনায় জনপ্রিয় পুরুষ রাজনীতিবিদদের সংখ্যা প্রায় দ্বিগুণ। আমরা অনুমান করি যে এই বৈষম্যটি আমাদের পুরুষ রাজনীতিবিদদের সাধারণ জনগণের পাশাপাশি সাংবাদিকদের থেকে উল্লেখযোগ্যভাবে বেশি মিথস্ক্রিয়া আকৃষ্ট করার পিছনে একটি মূল কারণ।


প্রকৃতপক্ষে, এই বৈষম্য সমাজে গভীরভাবে গেঁথে থাকা পদ্ধতিগত পক্ষপাতকে প্রতিফলিত করে। এই লিঙ্গ বৈষম্য এমনকি টুইটারের রাজ্যেও এর প্রভাবকে প্রসারিত করে, যেখানে পুরুষ রাজনীতিবিদরা তাদের মহিলা সমকক্ষদের তুলনায় অনেক বেশি সংখ্যক অনুসারী সংগ্রহ করে। এই ঘটনাটি বিচ্ছিন্ন নয়; এটি বিভিন্ন সেক্টরে বিস্তৃত, যেমনটি শিল্প জুড়ে শীর্ষ পদে পুরুষদের আধিপত্য দ্বারা চিত্রিত। কর্পোরেট বোর্ডরুম, প্রযুক্তি সংস্থা এবং বিনোদন সেক্টরে নেতৃত্বের ভূমিকা প্রধানত পুরুষদের দ্বারা দখল করা হয়। এই পদ্ধতিগত পক্ষপাত, সামাজিক নিয়মের মধ্যে নিহিত, সামাজিক পুঁজি এবং ক্ষমতার পদ অর্জনের মধ্যে শক্তিশালী পারস্পরিক সম্পর্ক দ্বারা আরও শক্তিশালী হয়। ফলস্বরূপ, টুইটারে জনপ্রিয়তা এই অন্তর্নিহিত পক্ষপাতের সম্পূর্ণ প্রতিফলন হিসাবে কাজ করে। এই বৈষম্যগুলি মোকাবেলা করা লিঙ্গ সমতা বৃদ্ধি এবং সমাজে গভীরভাবে প্রবেশ করা পক্ষপাত দূর করার জন্য সর্বাগ্রে।