Cet article est disponible sur arxiv sous licence CC BY-NC-ND 4.0 DEED.   Auteurs:  (1) Brisha Jain, chercheuse indépendante Inde et brishajain02@gmail.com ;  (2) Mainack Mondal, IIT Kharagpur Inde et mainack@cse.iitkgp.ac.in.  Tableau des liens   Résumé et introduction   Travaux connexes   Collecte de données   Méthodologie d'analyse   Résultats   Limites   Discussion finale   Les références  4. MÉTHODOLOGIE D'ANALYSE  Dans ce travail, nous avons principalement effectué une analyse quantitative pour découvrir les préjugés généraux dans l’interaction journaliste-homme politique indien. Plus précisément, nous avons effectué une analyse de fréquence à l'aide de tests statistiques, d'analyses d'émotions et d'analyses thématiques des tweets collectés.    pour analyser les préjugés sexistes dans la fréquence des interactions entre journalistes et politiciens, nous examinons la popularité des tweets entre journalistes et politiciens selon le sexe des politiciens. Si les journalistes promeuvent effectivement les préjugés sexistes, nous nous attendions à voir davantage de tweets de journalistes masculins mentionnant des hommes politiques plutôt que des femmes politiques. Nous attendons des femmes journalistes qu’elles tweetent moins ou autant sur les hommes politiques que sur les femmes politiques. Pour vérifier les préjugés sexistes dans l’attrait que les tweets des politiciens reçoivent de la part des journalistes, nous examinons également la popularité des tweets (via les retweets, les réponses et les likes pour ces tweets). Nous utilisons le test H de Kruskal-Wallis pour déterminer s'il existe des différences significatives dans les différentes catégories de tweets. De plus, nous utilisons le test U de Mann-Whitney par paire pour analyser les différences de popularité entre nos quatre catégories de manière plus détaillée. Analyse statistique de la fréquence et de la popularité des interactions :    pour examiner les préjugés sexistes dans le contenu des tweets adressés aux politiciens par les journalistes, nous utilisons l'analyse des émotions des tweets (en utilisant TweetNLP, un outil de détection d'émotions multilingue spécifique à Twitter basé sur un grand modèle de langage de pointe [6]) de Catégories « MJ-MP », « MJ-FP », « FJ-MP » et « FJ-FP ». Plus précisément, nous cherchons à tester les différences dans ces tweets pour les expressions de « Colère », « Joie », « Optimisme » et « Tristesse ». Nous utilisons un test KruskalWallis H pour déterminer s'il existe des différences significatives dans les scores émotionnels des tweets (selon les quatre dimensions) de nos catégories.  Analyse des émotions :

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

Cet audio est produit dans la langue originale de l'histoire !

Trop long; Pour lire

CTA: Download the FREE AI Productivity Shift report

Découvrir les préjugés sexistes dans les interactions journalistes-hommes politiques : méthodologie d’analyse

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

Guide de l'architecte pour créer une architecture de référence pour un datalake IA/ML

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Naviguer sur les eaux : développer des applications RAG de qualité production avec des lacs de données

Boostez votre productivité avec ces 18 outils de développement 🚀🔥

Guide de l'architecte pour créer une architecture de référence pour un datalake IA/ML

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Naviguer sur les eaux : développer des applications RAG de qualité production avec des lacs de données

Boostez votre productivité avec ces 18 outils de développement 🚀🔥

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps