この論文は、CC BY-NC-ND 4.0 DEED ライセンスの下で arxiv で公開されています。 著者:  （１）ブリシャ・ジェイン、インドの独立研究者、brishajain02@gmail.com  （２）Mainack Mondal、インド工科大学カラグプル校、mainack@cse.iitkgp.ac.in。 リンク一覧 概要と序文 関連作業 データ収集 分析方法 結果 制限事項 結論 参考文献 4. 分析方法 本研究では、主にインドのジャーナリストと政治家の交流における一般的な偏見を明らかにするために定量分析を行いました。具体的には、収集したツイートの統計的検定、感情分析、トピック分析を使用して頻度分析を行いました。 ジャーナリストと政治家のインタラクションの頻度におけるジェンダーバイアスを分析するために、政治家の性別を超えてジャーナリストと政治家の間のツイートの人気度を調べます。ジャーナリストが実際にジェンダーバイアスを促進しているのであれば、男性ジャーナリストが男性政治家に言及するツイートの方が、女性政治家に言及するツイートより多いと予想されます。女性ジャーナリストは、女性政治家についてツイートするのと同じくらい、男性政治家についてツイートすることが少ないか多いと予想されます。政治家のツイートがジャーナリストから受ける注目度におけるジェンダーバイアスを確認するために、ツイートの人気度も調べます (これらのツイートのリツイート、返信、いいねを介して)。Kruskal-Wallis H 検定を使用して、異なるカテゴリのツイートに有意な違いがあるかどうかを判断します。さらに、ペアワイズ Mann-Whitney U 検定を使用して、4 つのカテゴリ間の人気度の違いをより詳細に分析します。 インタラクションの頻度と人気の統計分析: ジャーナリストが政治家に宛てたツイートの内容におけるジェンダーバイアスを調べるために、「MJ-MP」、「MJ-FP」、「FJ-MP」、「FJ-FP」カテゴリーのツイートの感情分析（最先端の大規模言語モデルに基づくTwitter固有の多言語感情検出ツールであるTweetNLP [6]を使用）を採用しました。具体的には、これらのツイートにおける「怒り」、「喜び」、「楽観」、「悲しみ」の表現の違いをテストします。KruskalWallis H検定を使用して、カテゴリからのツイートの感情スコア（4つの次元に沿って）に有意な違いがあるかどうかを判断します。  感情分析：

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

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

CTA: Download the FREE AI Productivity Shift report

ジャーナリストと政治家の交流におけるジェンダーバイアスの解明：分析方法

About Author

コメント

ラベル

この記事は

Related Stories

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

Telegram: クリプト島と本土を結ぶ橋

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

暗号通貨の成長: 効果的なユーザーペルソナの作成

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

Telegram: クリプト島と本土を結ぶ橋

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

暗号通貨の成長: 効果的なユーザーペルソナの作成

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps