이 문서는 CC BY-NC-ND 4.0 DEED 라이센스에 따라 arxiv에서 볼 수 있습니다.   저자:  (1) Brisha Jain, 인도 독립 연구원 및 brishajain02@gmail.com;  (2) Mainack Mondal, IIT Kharagpur India 및 mainack@cse.iitkgp.ac.in.  링크 표   초록 및 소개   관련된 일   데이터 수집   분석 방법론   결과   제한사항   결론 토론   참고자료  4. 분석 방법론  이 작업에서 우리는 주로 인도 언론인-정치인 상호 작용의 일반적인 편견을 밝히기 위해 정량적 분석을 수행했습니다. 구체적으로는 수집된 트윗을 대상으로 통계적 테스트, 감성분석, 주제분석 등을 활용한 빈도분석을 실시하였습니다.    언론인과 정치인 간의 상호작용 빈도에 대한 성별 편향을 분석하기 위해 정치인의 성별에 따라 언론인과 정치인 간의 트윗 인기도를 조사합니다. 언론인들이 실제로 성 편견을 조장한다면, 우리는 남성 언론인들이 여성 정치인을 언급하는 것보다 남성 정치인을 언급하는 트윗을 더 많이 볼 것으로 예상했습니다. 우리는 여성 언론인들이 여성 정치인에 대해 하는 것만큼 남성 정치인에 대해 덜 또는 많이 트윗할 것으로 기대합니다. 정치인의 트윗이 언론인으로부터 받는 견인력에서 성별 편견을 확인하기 위해 우리는 트윗의 인기도(해당 트윗에 대한 리트윗, 답글, 좋아요를 통해)도 조사합니다. 우리는 Kruskal-Wallis H-Test를 사용하여 다양한 트윗 카테고리에 중요한 차이가 있는지 확인합니다. 또한, 우리는 쌍별 Mann-Whitney U-test를 사용하여 4개 범주의 인기도 차이를 보다 세부적으로 분석합니다. 상호작용 빈도 및 인기도에 대한 통계적 분석:    언론인이 정치인에게 보낸 트윗 내용의 성별 편견을 조사하기 위해 우리는 트윗의 감정 분석을 사용합니다(최첨단 대규모 언어 모델 기반 트위터 전용 다국어 감정 탐지 도구인 TweetNLP 사용[6]). "MJ-MP", "MJ-FP", "FJ-MP" 및 "FJ-FP" 카테고리입니다. 구체적으로 우리는 이러한 트윗에서 "분노", "기쁨", "낙천주의" 및 "슬픔" 표현에 대한 차이점을 테스트하려고 합니다. 우리는 KruskalWallis H 테스트를 사용하여 카테고리의 트윗 감정 점수(4개 차원에 따라)에 중요한 차이가 있는지 확인합니다.  감정 분석:

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.

언론인-정치인 상호작용에서 성 편견 발견: 분석 방법론

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

바다 항해: 데이터 레이크를 사용하여 프로덕션 등급 RAG 애플리케이션 개발

텔레그램: 크립토 아일랜드에서 본토로 연결되는 다리

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

바다 항해: 데이터 레이크를 사용하여 프로덕션 등급 RAG 애플리케이션 개발

텔레그램: 크립토 아일랜드에서 본토로 연결되는 다리

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps