Dieses Dokument ist auf arxiv unter der Lizenz CC BY-NC-ND 4.0 DEED verfügbar.   Autoren:  (1) Brisha Jain, unabhängige Forscherin in Indien und brishajain02@gmail.com;  (2) Mainack Mondal, IIT Kharagpur Indien und mainack@cse.iitkgp.ac.in.  Linktabelle   Zusammenfassung und Einleitung   Ähnliche Projekte   Datensammlung   Analysemethodik   Ergebnisse   Einschränkungen   Abschließende Diskussion   Verweise  4. ANALYSEMETHODIK  In dieser Arbeit haben wir in erster Linie quantitative Analysen durchgeführt, um allgemeine Voreingenommenheiten in der Interaktion zwischen indischen Journalisten und Politikern aufzudecken. Insbesondere haben wir eine Frequenzanalyse mithilfe statistischer Tests, eine Emotionsanalyse und eine Themenanalyse der gesammelten Tweets durchgeführt.    Um die geschlechtsspezifische Voreingenommenheit in der Häufigkeit der Interaktion zwischen Journalisten und Politikern zu analysieren, untersuchen wir die Popularität von Tweets zwischen Journalisten und Politikern über alle Geschlechter hinweg. Wenn Journalisten tatsächlich geschlechtsspezifische Voreingenommenheit fördern, erwarten wir, dass es mehr Tweets von männlichen Journalisten gibt, in denen männliche Politiker erwähnt werden, als Tweets von weiblichen Politikern. Wir erwarten, dass weibliche Journalisten weniger oder genauso viel über männliche Politiker twittern wie über weibliche Politiker. Um zu überprüfen, ob geschlechtsspezifische Voreingenommenheit in der Resonanz besteht, die Tweets von Politikern bei Journalisten erfahren, untersuchen wir auch die Popularität von Tweets (über Retweets, Antworten und Likes für diese Tweets). Wir verwenden den Kruskal-Wallis-H-Test, um festzustellen, ob es signifikante Unterschiede zwischen verschiedenen Tweet-Kategorien gibt. Darüber hinaus verwenden wir den paarweisen Mann-Whitney-U-Test, um die Unterschiede in der Popularität in unseren vier Kategorien detaillierter zu analysieren. Statistische Analyse der Interaktionshäufigkeit und Popularität:    Um die geschlechtsspezifische Voreingenommenheit im Inhalt der von Journalisten an Politiker gerichteten Tweets zu untersuchen, führen wir eine Emotionsanalyse von Tweets aus den Kategorien „MJ-MP“, „MJ-FP“, „FJ-MP“ und „FJ-FP“ durch (mit TweetNLP, einem hochmodernen, auf großen Sprachmodellen basierenden, Twitter-spezifischen Tool zur mehrsprachigen Emotionserkennung [6]). Insbesondere versuchen wir, Unterschiede in diesen Tweets bei den Ausdrücken „Wut“, „Freude“, „Optimismus“ und „Traurigkeit“ zu testen. Wir verwenden einen KruskalWallis H-Test, um festzustellen, ob signifikante Unterschiede in den Emotionswerten von Tweets (entlang der vier Dimensionen) aus unseren Kategorien bestehen.  Emotionsanalyse:

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

MediaBias.TECH

We publish deeply researched (and often vastly underread) academic papers about our collective omnipresent media bias.

MediaBias's

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

CTA: Download the FREE AI Productivity Shift report

Aufdeckung geschlechtsspezifischer Voreingenommenheit in der Interaktion zwischen Journalisten und Politikern: Analysemethodik

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps