Este documento está disponible en arxiv bajo licencia CC BY-NC-SA 4.0 DEED.   Autores:  (1) Yejin Bang, Centro de Investigación en Inteligencia Artificial (CAiRE), Universidad de Ciencia y Tecnología de Hong Kong;  (2) Nayeon Lee, Centro de Investigación en Inteligencia Artificial (CAiRE), Universidad de Ciencia y Tecnología de Hong Kong;  (3) Pascale Fung, Centro de Investigación en Inteligencia Artificial (CAiRE), Universidad de Ciencia y Tecnología de Hong Kong.  Tabla de enlaces   Resumen e introducción   Trabajo relacionado   Acercarse   experimentos   Conclusión   Limitaciones, Declaración de Ética y Referencias   A. Detalles experimentales   B. Resultados de generación  2. Trabajo relacionado    El sesgo de encuadre es un fenómeno bien documentado en el campo de los estudios de medios (Wright y Goodwin, 2002; Entman, 2002, 2010, 2007; Gentzkow y Shapiro, 2006; Gentzkow et al., 2015; Beratšová et al., 2016 ). Según Gentzkow y Shapiro (2006), el sesgo de encuadre ocurre cuando periodistas y medios de comunicación enfatizan selectivamente ciertos aspectos de una historia mientras restan importancia o ignoran otros (informativo) con un uso sesgado de los lenguajes (léxico). Esto puede dar como resultado una percepción distorsionada de los acontecimientos entre el público, particularmente en los casos en que el encuadre se hace para servir a una agenda o ideología particular (Kahneman y Tversky, 2013; Goffman, 1974). El impacto del sesgo de encuadre es especialmente evidente en el ámbito político, donde los medios de comunicación y los partidos políticos a menudo se involucran en un discurso polarizador diseñado para atraer a sus respectivas bases (Scheufele, 2000; Chong y Druckman, 2007). Sesgo de encuadre    Para mitigar esto, se han realizado varios esfuerzos automáticos de mitigación del sesgo de los medios (Fan et al., 2019; Hamborg et al., 2019; Morstatter et al., 2018; Laban y Hearst, 2017; Hamborg et al., 2017 ; Zhang et al., 2019b; van den Berg y Markert, 2020; Una línea de trabajo similar es la predicción de ideología (Liu et al., 2022) (si son de izquierda, derecha o centro) o la predicción de postura (Baly et al., 2020), que es la detección de polaridad. Por otro lado, nuestro trabajo se centra en generar un artículo neuronal a partir de artículos polarizados. Dado que el sesgo de encuadre suele ser muy sutil, Morstatter et al. (2018) aprende el patrón del sesgo de encuadre en una oración e intenta detectarlo automáticamente. Otro intento de mitigación común es mostrar múltiples puntos de vista de forma automática (Hamborg et al., 2017; Park et al., 2009). Lee y cols. (2022) dieron un paso más al hacer un resumen de los artículos polarizados para proporcionar múltiples perspectivas automáticamente en un solo resumen. Nuestro trabajo se alinea con la visión de trabajos anteriores, pero nos centramos en la forma más general de mitigar el sesgo de encuadre mediante el estudio de la pérdida de minimización de polaridad. Esfuerzos de mitigación automática

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

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

Mitigar el sesgo de encuadre con pérdida de minimización de polaridad: trabajo relacionado

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una breve introducción a la teoría del cerebro de Boltzmann

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Una breve introducción a la teoría del cerebro de Boltzmann

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps