極性最小化損失によるフレーミングバイアスの緩和: 関連研究

リンク一覧

• 概要と序文
• 関連作業
• アプローチ
• 実験
• 結論
• 制限事項、倫理声明および参考文献
• A. 実験の詳細
• B. 生成結果

2. 関連研究

フレーミング バイアスフレーミング バイアスは、メディア研究の分野ではよく文書化された現象です (Wright and Goodwin, 2002; Entman, 2002, 2010, 2007; Gentzkow and Shapiro, 2006; Gentzkow et al., 2015; Beratšová et al., 2016)。 Gentzkow と Shapiro (2006) によると、フレーミング バイアスは、ジャーナリストやメディアが、偏った言語 (語彙) を使用して、ストーリーの特定の側面を選択的に強調し、他の側面 (情報) を軽視または無視するときに発生します。 これは、特にフレーミングが特定のアジェンダやイデオロギーに役立つように行われている場合に、一般の人々の間で出来事の歪んだ認識につながる可能性があります (Kahneman and Tversky, 2013; Goffman, 1974)。フレーミングバイアスの影響は、特に政治の分野で顕著であり、メディアや政党は、それぞれの支持層にアピールするために、二極化する言説を展開することが多い (Scheufele、2000 年、Chong および Druckman、2007 年)。

自動緩和の取り組みこれを緩和するために、さまざまな自動メディアバイアス緩和の取り組みが行われてきました (Fan et al., 2019; Hamborg et al., 2019; Morstatter et al., 2018; Laban and Hearst, 2017; Hamborg et al., 2017; Zhang et al., 2019b; van den Berg and Markert, 2020; Lee et al., 2022)。 同様の研究に、イデオロギー予測 (Liu et al., 2022) (左派、右派、中道派かどうか) やスタンス予測 (Baly et al., 2020) があり、これは極性検出です。 一方、私たちの研究は、二極化した記事からニューラル記事を生成することに焦点を当てています。 フレーミングバイアスは多くの場合非常に微妙に発生するため、Morstatter et al. (2018) は、文中のフレーミングバイアスのパターンを学習し、それを自動的に検出しようと試みています。もう 1 つの一般的な緩和の試みは、複数の視点を自動的に表示することです (Hamborg ら、2017 年、Park ら、2009 年)。Lee ら (2022) はさらに一歩進んで、二極化した記事から要約を作成し、1 つの要約で複数の視点を自動的に提供しました。私たちの研究は、以前の研究のビジョンと一致していますが、極性最小化損失を研究することで、フレーミングバイアスを緩和するより一般的な方法に焦点を当てています。