著者:  （１）バージニア工科大学コンピュータサイエンス学部のXiaohan Ding氏（電子メール：xiaohan@vt.edu）  （２）マイク・ホーニング、バージニア工科大学コミュニケーション学部（電子メール：mhorning@vt.edu）  （３）ユージニア・H・ロー、バージニア工科大学コンピュータサイエンス学部（電子メール：eugenia@vt.edu）。 リンク一覧 概要と序論 関連作業 研究1：放送メディア言語における意味極性の進化（2010-2020年） 研究2: 2020年のFox NewsとCNNの意味的極性を特徴付ける単語 研究3: 放送メディア言語の意味的二極化がソーシャルメディア談話の意味的二極化を予測する方法 議論と倫理声明 付録と参考文献 抽象的な 過去 10 年間のオンライン ニュースの成長に伴い、政治的言説とニュース消費に関する実証研究は、フィルター バブルとエコー チェンバーの現象に焦点を当ててきました。しかし、最近、研究者らはこのような現象の影響に関する証拠を限定的にしか明らかにしておらず、ニュース視聴者間の党派的分離はオンライン ニュース消費だけでは完全に説明できず、従来のレガシー メディアの役割が時事問題に関する公共の言説の二極化に顕著に表れている可能性があると主張する人もいます。本研究では、放送ニュース メディアの言語とソーシャル メディアの言説の関係を調査することで、分析の範囲をオンライン メディアとより伝統的なメディアの両方に拡大します。CNN と Fox News の 10 年間分のクローズド キャプション (210 万回の発言) と、Twitter のトピックに対応する言説を分析することで、アメリカの 2 大放送ネットワーク間の意味的二極化を測定するための新しいフレームワークを提供し、過去 10 年間でこれらのメディア間の意味的二極化がどのように進化し (研究 1)、ピークに達し (研究 2)、Twitter 上の党派的議論に影響を与えた (研究 3) かを示します。私たちの研究結果は、特に2016年以降、2つのチャンネル間で話題上重要なキーワードがどのように議論されるかに関して二極化が急激に増加し、全体的な最高ピークは2020年に発生したことを示しています。2つの局は2020年に同一のトピックをまったく異なる文脈で議論しており、同一のキーワードが文脈的に議論される方法において言語的な重複はほとんどないほどです。さらに、放送メディア言語におけるそのような党派的分裂がTwitter上の意味的極性傾向にどのように大きく影響するか（およびその逆）を大規模に実証し、オンラインでの議論がテレビメディアによってどのように影響を受けるかを実証的に初めて結び付けました。テレビでの同様のニュースイベントに関する反対のメディアの物語を特徴付ける言語が、オンラインでの党派的言説のレベルをどのように高めることができるかを示しています。この目的のために、私たちの研究は、テレビでのメディアの二極化がオンラインでの民主的な言説を支援するのではなく妨げる上でどのように重要な役割を果たしているかについて示唆を与えています。 導入 マスメディアは、制度の運営方法、政治指導者のコミュニケーション、そして最も重要なことに、国民が政治に参加する方法に影響を与えることで、民主的なプロセスにおいて重要な役割を果たしています (McLeod、Scheufele、Moy 1999)。アメリカの 2 つの政治的分断が異なる言語を話すことは驚くことではありませんが (Westfall 他 2015)、研究では、ニュースメディア、特に放送ニュースにおける党派的な言語が近年急増していることも示されています (Horning 2018)。ニュースの消費は、一般の人々が周囲の出来事を理解するのに不可欠であることを考えると、これは懸念すべきことです。アジェンダ設定理論によると、メディアが現在の出来事を組み立てて提示するために使用する言語は、一般の人々が重要な問題をどのように認識するかに影響します (McCombs 1997、Russell Neuman 他 2014)。 ウェブサイトやソーシャルメディアを介したオンラインニュースの爆発的な成長により、主流のレガシーメディアの重要性が低下しているという印象を持つ人もいるかもしれませんが、アメリカ人のニュース消費は依然として圧倒的にテレビからであり、一般大衆全体のオンラインニュース消費のほぼ5倍を占めています（Allen et al. 2020）。テレビニュースの消費はニュースを読むことよりも「受動的」であるという考えにもかかわらず、研究によると、人々はテレビのニュースをオンラインニュースよりもよく思い出す傾向があります（Eveland、Seo、Marton 2002）。さらに、テレビとインターネットのニュース消費を比較した最近の研究では、テレビを介した党派的分離を示すアメリカ人は、オンラインニュースを介した人の4倍であることがわかりました。実際、テレビニュースの視聴者は、時間の経過とともに党派的なニュース摂取を維持する可能性が数倍高く、情報源がはるかに狭いのに対し、党派的なオンラインニュースの読者でさえ、さまざまな情報源から消費する傾向があります（Muise et al. 2022）。 しかし、メディアの二極化とそれに続く公共の言説に関する研究は、圧倒的にオンラインコンテンツに基づいています (Garimella et al. 2021)。たとえば、従来のニュースメディアのデータを分析する研究でさえ、これらのレガシーメディアソースからのコンテンツの直接の転写ではなく、新聞、テレビ番組、ラジオ番組の公式Twitterアカウントからのツイートのみに依存しています (Recuero、Soares、Gruzd 2020)。これは、オンライン情報とは異なり、レガシーメディアデータ (例: クローズドキャプション) は収集が難しく、迅速な前処理と互換性のない形式 (例: srt ファイル) で存在し、学者とデータを共有するインセンティブのない機関に散在しているためです。したがって、主流のレガシーメディアがオンライン言説にどのように影響するかについては、ほとんどわかっていません。 その意味で、米国の二大ニュース局の24時間放送のテレビニュース番組の10年分のクローズドキャプションの分析は、放送メディアの言語的二極化が時間の経過とともにどのように進化し、それがソーシャルメディアの言説にどのように影響したかを実証するユニークな機会を提供します。この研究では、CNNとFox Newsの間で過去11年間に放送メディア言語の意味上の違いがどのように進化したか（研究1）、放送メディア言語の意味的極性のピークに特徴的な単語は何か（研究2）、テレビニュース言語の意味的極性がソーシャルメディアの言説の二極化の傾向を予測するかどうか、言語が一方から他方への関係パターンを促進する上でどのような役割を果たしているか（研究3）を調査します。 研究 1 では、自然言語処理 (NLP) の技術を活用して、社会的に重要でありながら政治的に分裂しているトピック (人種差別、Black Lives Matter、警察、移民、気候変動、医療) が 2 つのニュース チャンネルでどのように議論されているかの意味的極性を計算することにより、2010 年から 2020 年にかけて CNN と Fox News の間の意味的二極化がどのように進化したかを定量的に把握する方法を開発しました。次に、ディープラーニングのモデル解釈技術を使用して、2020 年に各局が話題のキーワードをどのように議論するかを最も予測するコンテキスト トークンを抽出することで、これらの急増の原因を言語的に解明します (研究 2)。放送メディア言語の党派的傾向がソーシャル メディアの談話の極性パターンに影響を与えるかどうかを調べるために、グレンジャー因果関係を使用して、2 つのテレビ ニュース局間の意味的二極化が、@CNN と @FoxNews に返信する Twitter 視聴者の二極化を予測するかどうか、また予測する場合はどのように予測するかをテストします (研究 3)。最後に、テレビニュースの意味的極性傾向が Twitter ユーザー全体にどう影響するか (およびその逆) というグレンジャー因果関係を推進する言語を理解するために、話題のキーワードがテレビと Twitter でどのように議論されているかを最も予測するトークンを、グレンジャー因果関係の重要性に対応するラグの長さで区切って特定します。私たちの貢献は次のとおりです。  • 私たちは、意味的二極化が時間とともにどのように発展するかに関連する時間性を考慮することにより、2 つのエンティティ間の意味的二極化を定量化する新しいフレームワークを提供します。単一の縦断的データ ダンプからの集約的な尺度として二極化を定量化する以前の研究では、極性が時間とともにどのように展開するかに関する重要な時間的ダイナミクスとコンテキストが省略されることがよくあります。私たちのフレームワークは、時間的特徴を持つコンテキスト単語埋め込みを使用して通時的シフトを計算することにより、時間的変動を組み込みます。  • 放送メディアにおける意味的二極化が過去 11 年間でどのように進化してきたかを示すにあたり、私たちは、指標としての単なる二極化の定量化にとどまらず、統合勾配法を使用して属性トークンをプロキシとして識別し、2020 年に 2 つのニュース局間で意味的二極化が高まった原因となった文脈言語を理解します。  • 私たちは、テレビニュース言語の二極化がTwitter全体の意味的二極化の傾向を予測するかどうか、またどのように予測するかという問題に取り組み、オンライン視聴者の言説がテレビニュース言語によってどのように形成されるかについての新たな証拠を提供します。これは、これまでの研究では大規模に実証されてこなかった重要なつながりです。  • 最後に、モデル解釈を使用してさまざまなエンティティから語彙の特徴を抽出し、放送メディア言語がTwitterの談話をどのように形成するか、またその逆においてどの単語が重要なグレンジャー因果パターンを推進するかを示し、オンラインディスカッションと放送メディア言語の間の意味的極性関係を推進する上で言語が重要な役割を果たしていることを強調します。 私たちの研究結果は、テレビで放送された同様のニュースイベントに関する対立するメディアの報道を特徴付ける言語が、オンライン上の党派的言説のレベルをいかに高めるかを数値化した最初の研究の 1 つです。この研究の結果は、メディアと公衆の議題は互いに影響し合う可能性があり、そのような力学が公衆の言説への関与の仕方を二極化し、それによって民主的な意思決定全体に影響を及ぼす可能性があるという最近のコミュニケーション研究の理論を裏付けるものです。 この論文はCC 4.0ライセンスの下で 。 arxivで公開されています

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

Read My Stories

Crafting compelling perspectives in media, sparking thought-provoking discussions on diverse opinions and viewpoints.

Editorialist's blog

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。

メディアの二極化を分析する: 放送ニュース言語がオンラインの言説をどのように形作るか

About Author

コメント

ラベル

この記事は

Related Stories

暗号通貨の成長: 効果的なユーザーペルソナの作成

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

暗号通貨の成長: 効果的なユーザーペルソナの作成

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps