저자:  (1) Xiaohan Ding, Virginia Tech, 컴퓨터 공학과, (이메일: xiaohan@vt.edu);  (2) Mike Horning, 버지니아 공대 커뮤니케이션부, (이메일: mhorning@vt.edu);  (3) Eugenia H. Rho, 버지니아 공대 컴퓨터공학과, (이메일: eugenia@vt.edu).  링크 표   초록 및 소개   관련된 일   연구 1: 방송 미디어 언어의 의미 극성의 진화(2010-2020)   연구 2: 2020년 Fox News와 CNN 간의 의미적 극성을 특징짓는 단어   연구 3: 방송 미디어 언어의 의미 양극화가 소셜 미디어 담론의 의미 양극성을 예측하는 방법   토론 및 윤리 선언문   부록 및 참고자료  추상적인  지난 10년 동안 온라인 뉴스의 성장과 함께 정치적 담론과 뉴스 소비에 대한 실증 연구는 필터 버블과 반향실 현상에 초점을 맞춰 왔습니다. 그러나 최근 학자들은 이러한 현상의 영향에 대한 제한된 증거를 공개했으며, 이로 인해 일부에서는 뉴스 시청자 간의 당파적 분리가 온라인 뉴스 소비만으로는 완전히 설명될 수 없으며 전통적인 레거시 미디어의 역할이 대중 담론을 양극화하는 데 두드러질 수 있다고 주장했습니다. 현재 사건 주변. 본 연구에서는 방송 뉴스 미디어 언어와 소셜 미디어 담론 간의 관계를 조사하여 분석 범위를 온라인 미디어와 보다 전통적인 미디어를 모두 포함하도록 확장합니다. CNN과 Fox News의 10년 분량의 폐쇄 캡션(210만 발언자 회전)과 Twitter의 주제별 담론을 분석함으로써 미국의 두 주요 방송 네트워크 간의 의미적 양극화를 측정하기 위한 새로운 프레임워크를 제공하여 이러한 매체 간의 의미적 양극화가 어떻게 이루어지는지 보여줍니다. 지난 10년 동안 트위터에서 발전하고(연구 1) 최고조에 달했으며(연구 2) 당파적 논의에 영향을 미쳤습니다(연구 3). 우리의 결과는 특히 2016년 이후 두 채널 간에 주제적으로 중요한 키워드가 논의되는 방식에서 양극화가 급격히 증가했음을 보여 주며, 전체적으로 가장 높은 정점은 2020년에 발생합니다. 두 방송국은 2020년에 완전히 다른 맥락에서 동일한 주제를 논의합니다. 동일한 키워드가 문맥상 논의되는 방식에서 언어적 중복이 거의 없습니다. 또한 우리는 방송 미디어 언어의 이러한 당파적 구분이 트위터(및 그 반대)의 의미론적 극성 추세를 어떻게 크게 형성하는지, 처음으로 경험적으로 연결하여, 온라인 토론이 TV 미디어에 의해 어떻게 영향을 받는지 대규모로 보여줍니다. 우리는 TV의 유사한 뉴스 사건에 대한 반대 미디어 내러티브를 특징짓는 언어가 어떻게 온라인에서 당파적 담론의 수준을 높일 수 있는지 보여줍니다. 이를 위해 우리 작업은 TV에서의 미디어 양극화가 온라인 민주주의 담론을 지원하기보다는 방해하는 데 어떻게 중요한 역할을 하는지에 대한 의미를 갖습니다.  소개  매스미디어는 기관이 운영되는 방식, 정치 지도자의 의사소통 방식, 그리고 가장 중요하게는 시민들이 정치에 참여하는 방식에 영향을 미침으로써 민주주의 과정에서 중요한 역할을 합니다(McLeod, Scheufele, and Moy 1999). 미국의 두 정치적 분열이 서로 다른 언어를 사용하는 것은 놀라운 일이 아니지만(Westfall et al. 2015), 연구에 따르면 최근 몇 년 동안 뉴스 미디어, 특히 방송 뉴스에서 당파적 언어가 급격히 증가한 것으로 나타났습니다(Horning 2018). 대중이 주변 사건을 이해하도록 돕는 데 뉴스 소비가 매우 중요하다는 점을 고려하면 이는 우려스러운 일입니다. 의제 설정 이론에 따르면, 시사 문제를 구성하고 제시하기 위해 미디어가 사용하는 언어는 대중이 어떤 문제가 중요한지 인식하는 방식에 영향을 미칩니다(McCombs 1997; Russell Neuman et al. 2014).  일부 사람들은 웹사이트와 소셜 미디어를 통한 온라인 뉴스의 폭발적인 성장으로 인해 주류 레거시 미디어의 관련성이 감소하고 있다는 인상을 받을 수도 있지만, 미국의 뉴스 소비는 여전히 텔레비전에서 압도적으로 압도적으로 일반 대중의 온라인 뉴스 소비의 거의 5배를 차지합니다. (앨런 외. 2020). TV 뉴스 소비가 뉴스 읽기보다 더 "수동적"이라는 개념에도 불구하고 연구에 따르면 사람들은 온라인 뉴스보다 TV 뉴스를 더 잘 기억하는 경향이 있는 것으로 나타났습니다(Eveland, Seo, and Marton 2002). 또한 TV와 인터넷 뉴스 소비를 비교한 최근 연구에 따르면 온라인 뉴스보다 TV를 통해 당파적으로 분리된 미국인이 4배 더 많은 것으로 나타났습니다. 실제로 TV 뉴스 시청자는 시간이 지나도 당파적 뉴스 식단을 유지할 가능성이 몇 배 더 높으며 소스가 훨씬 더 좁은 반면, 심지어 당파적 온라인 뉴스 독자도 다양한 소스에서 소비하는 경향이 있습니다(Muise et al. 2022).  그러나 미디어 양극화와 이에 따른 대중 담론에 대한 연구는 압도적으로 온라인 콘텐츠에 기반을 두고 있습니다(Garimella et al. 2021). 예를 들어, 전통적인 뉴스 매체의 데이터를 분석하는 연구조차도 이러한 레거시 미디어 소스(Recuero, Soares 및 Gruzd)의 콘텐츠를 직접 전사하는 대신 신문, TV 프로그램 및 라디오 프로그램의 공식 트위터 계정의 트윗에만 의존합니다. 2020). 이는 온라인 정보와 달리 레거시 미디어 데이터(예: 폐쇄 자막)가 수집하기 어렵고, 빠른 전처리(예: srt 파일)와 호환되지 않는 형식으로 존재하며, 공유할 인센티브가 부족한 기관에 분산되어 있다는 사실 때문입니다. 학자들과의 데이터. 따라서 주류 레거시 미디어가 온라인 담론에 어떤 영향을 미치는지는 대부분 알려져 있지 않습니다.  그런 의미에서, 미국 최대 두 뉴스 방송국의 24시간 방송 TV 뉴스 프로그램의 10년 분량의 자막 분석은 방송 미디어의 언어 양극화가 시간이 지남에 따라 어떻게 진화했는지, 그리고 그것이 사회에 어떤 영향을 미쳤는지 실증적으로 보여줄 수 있는 독특한 기회를 제공합니다. 언론 담론. 이 연구에서 우리는 CNN과 Fox News 사이에서 지난 11년 동안 방송 미디어 언어의 의미적 차이가 어떻게 진화했는지(연구 1), 어떤 단어가 방송 미디어 언어의 의미 극성 피크의 특징인지(연구 2), TV 뉴스 언어의 극성은 소셜 미디어 담론의 양극화 경향과 언어가 관계 패턴을 서로 유도하는 데 어떤 역할을 하는지 예측합니다(연구 3).  연구 1에서는 자연어 처리(NLP) 기술을 활용하여 사회적으로 중요하지만 정치적으로 분열된 주제에 대한 의미 극성을 계산하여 2010년부터 2020년까지 CNN과 Fox News 간의 의미 양극화가 어떻게 진화했는지 정량적으로 포착하는 방법을 개발합니다( 인종 차별, Black Lives Matter, 경찰, 이민, 기후 변화 및 건강 관리)는 두 뉴스 채널에서 논의됩니다. 그런 다음 딥 러닝의 모델 해석 기술을 사용하여 각 스테이션이 2020년에 주제 키워드를 논의하는 방식을 가장 잘 예측하는 상황별 토큰을 추출하여 이러한 급증을 유발할 수 있는 요소를 언어적으로 풀어냅니다(연구 2). 방송 미디어 언어의 당파적 추세가 소셜 미디어 담론의 극성 패턴에 영향을 미치는지 여부를 조사하기 위해 Granger 인과 관계를 사용하여 두 TV 뉴스 방송국 간의 의미론적 양극화가 @CNN 및 @FoxNews에 응답하는 트위터 청중의 양극화를 예측하는지 여부와 방법을 테스트합니다(연구 3). . 마지막으로 TV 뉴스의 의미적 극성 경향이 트위터 사용자들에게 어떻게 영향을 미치는지(그 반대의 경우도 마찬가지) Granger-인과 관계를 주도하는 언어를 이해하기 위해 TV와 트위터에서 주제 키워드가 논의되는 방식을 가장 잘 예측하는 토큰을 식별합니다. , Granger 인과관계 중요성에 해당하는 시차 길이로 구분됩니다. 우리의 기여는 다음과 같습니다:  • 우리는 시간이 지남에 따라 의미 양극화가 어떻게 전개되는지와 관련된 시간성을 고려하여 두 엔터티 간의 의미 양극화를 정량화하기 위한 새로운 프레임워크를 제공합니다. 단일 종단 데이터 덤프의 집계 측정값으로 양극화를 정량화하는 이전 연구에서는 시간에 따라 극성이 어떻게 전개되는지에 대한 주요 시간 역학 및 맥락을 생략하는 경우가 많습니다. 우리의 프레임워크는 시간적 특징이 있는 문맥적 단어 임베딩을 사용하여 통시적 변화를 계산함으로써 시간적 변동을 통합합니다.  • 지난 11년 동안 방송 미디어의 의미론적 양극화가 어떻게 발전했는지 보여줌으로써 우리는 2020년 상승을 주도하는 상황별 언어를 이해하기 위한 프록시로 속성 토큰을 식별하기 위해 통합 그라디언트를 사용하여 지표로서 양극화의 단순한 정량화를 제공하는 것을 넘어섰습니다. 두 뉴스 방송국 사이의 의미론적 극성이 다릅니다.  • 우리는 방송되는 뉴스 언어의 양극화가 트위터 전반에 걸쳐 의미론적 극성 추세를 예측하는지 여부와 방법에 대한 질문을 다루며 TV 뉴스 언어에 의한 담론에서 온라인 시청자가 어떻게 형성되는지에 대한 새로운 증거를 제공합니다. 이는 대규모로 실증적으로 확립되지 않은 중요한 링크입니다. 사전 연구에서.  • 마지막으로 모델 해석을 사용하여 다양한 엔터티에서 어휘 특징을 추출하고, 어떤 단어가 방송 미디어 언어가 트위터 담론을 형성하는지 또는 그 반대로 형성하는지에 대해 중요한 Granger-인과 패턴을 유도하는지 보여줌으로써 언어가 트위터 담론에서 중요한 역할을 하는 방식을 강조합니다. 온라인 토론과 방송 미디어 언어 간의 의미적 극성 관계를 주도합니다.  우리의 연구 결과는 TV에서 유사한 뉴스 사건에 대한 반대 미디어 내러티브를 특징짓는 언어가 온라인에서 당파적 담론의 수준을 어떻게 높일 수 있는지를 정량화한 최초의 연구 중 하나입니다. 이 작업의 결과는 미디어와 공공 의제가 서로 영향을 미칠 수 있으며 그러한 역학이 대중이 담론에 참여하는 방식을 양극화하여 민주적 의사결정에 영향을 미칠 수 있다는 이론을 세우는 커뮤니케이션 연구의 최근 학문을 뒷받침합니다. 크기가 큰.  이 문서는 CC 4.0 라이선스에 따라   있습니다. arxiv에서 볼 수

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

이 오디오는 이야기의 원래 언어로 제작되었습니다!

미디어 양극화 분석: 방송 뉴스 언어가 온라인 담론을 형성하는 방법

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

독특한 생태계를 강화하는 비트코인 UTXO 모델

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

독특한 생태계를 강화하는 비트코인 UTXO 모델

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps