Анализ поляризации СМИ: как язык вещательных новостей формирует онлайн-дискурс

Таблица ссылок

Аннотация и введение

Связанных с работой

Исследование 1: Эволюция семантической полярности в языке вещательных СМИ (2010-2020)

Исследование 2: Слова, характеризующие семантическую полярность между Fox News и CNN в 2020 году

Исследование 3: Как семантическая поляризация в языке вещательных СМИ прогнозирует семантическую полярность в дискурсе в социальных сетях

Обсуждение и заявление об этике

Приложение и ссылки

Абстрактный

С ростом онлайн-новостей за последнее десятилетие эмпирические исследования политического дискурса и потребления новостей сосредоточились на феномене «пузырей фильтров» и эхо-камер. Тем не менее, недавно ученые выявили ограниченные доказательства влияния такого явления, что заставило некоторых утверждать, что партийная сегрегация среди новостных аудиторий не может быть полностью объяснена только потреблением новостей в Интернете и что роль традиционных устаревших СМИ может быть столь же заметной в поляризации общественного дискурса. вокруг текущих событий. В этой работе мы расширяем сферу анализа, включив в него как онлайн, так и более традиционные СМИ, исследуя взаимосвязь между языком вещательных новостных СМИ и дискурсом в социальных сетях. Анализируя десятилетние субтитры (2,1 миллиона оборотов докладчиков) из CNN и Fox News, а также тематически соответствующие дискурсы из Twitter, мы предоставляем новую основу для измерения семантической поляризации между двумя крупнейшими вещательными сетями Америки, чтобы продемонстрировать, насколько семантическая поляризация между этими СМИ развивалось (Исследование 1), достигло своего пика (Исследование 2) и повлияло на партийные дискуссии в Твиттере (Исследование 3) за последнее десятилетие. Наши результаты демонстрируют резкое увеличение поляризации в том, как обсуждаются тематически важные ключевые слова между двумя каналами, особенно после 2016 года, причем в целом самые высокие пики приходятся на 2020 год. практически нет лингвистического совпадения в том, как идентичные ключевые слова обсуждаются в контексте. Кроме того, мы в масштабе демонстрируем, как такое партийное разделение в языке вещательных СМИ существенно формирует тенденции семантической полярности в Твиттере (и наоборот), впервые эмпирически связывая, как онлайн-дискуссии находятся под влиянием телевизионных СМИ. Мы показываем, как язык, характеризующий противоположные нарративы СМИ об аналогичных новостных событиях на телевидении, может повысить уровень партийного дискурса в Интернете. С этой целью наша работа имеет значение для того, как поляризация СМИ на телевидении играет значительную роль в препятствовании, а не в поддержке демократического онлайн-дискурса.

Введение

Средства массовой информации играют жизненно важную роль в демократических процессах, влияя на то, как работают институты, общаются политические лидеры и, что наиболее важно, на то, как граждане участвуют в политике (McLeod, Scheufele and Moy, 1999). Хотя неудивительно, что представители двух политических расколов в Америке говорят на разных языках (Westfall et al. 2015), исследования также показали, что в последние годы резко возросла предвзятость в средствах массовой информации, особенно в новостях вещания (Horning 2018). Это вызывает беспокойство, учитывая, что потребление новостей имеет решающее значение для того, чтобы помочь общественности понять события вокруг них. Согласно теории установления повестки дня, язык, используемый средствами массовой информации для оформления и представления текущих событий, влияет на то, как общественность воспринимает важные проблемы (McCombs 1997; Russell Neuman et al. 2014).

Хотя у некоторых может сложиться впечатление, что актуальность традиционных традиционных СМИ снижается на фоне взрывного роста онлайн-новостей через веб-сайты и социальные сети, американское потребление новостей по-прежнему в подавляющем большинстве осуществляется с телевидения, что составляет почти в пять раз больше, чем потребление онлайн-новостей среди населения. (Аллен и др., 2020). Несмотря на мнение, что потребление телевизионных новостей более «пассивно», чем чтение новостей, исследования показывают, что люди, как правило, лучше запоминают телевизионные новости, чем онлайн-новости (Eveland, Seo, and Marton 2002). Кроме того, недавнее исследование, сравнивающее потребление телевизионных и интернет-новостей, показало, что в четыре раза больше американцев подвергаются партийной сегрегации через телевидение, чем через онлайн-новости. Фактически, аудитория телевизионных новостей в несколько раз чаще сохраняет свою пристрастную новостную диету в течение длительного времени и гораздо уже в своих источниках, в то время как даже фанатичные читатели онлайн-новостей, как правило, потребляют новости из различных источников (Muise et al. 2022).

Тем не менее, исследования поляризации СМИ и связанного с ней общественного дискурса в подавляющем большинстве основаны на онлайн-контенте (Гаримелла и др., 2021). Например, даже исследование, в котором анализируются данные традиционных новостных агентств, опирается исключительно на твиты из официальных аккаунтов газет, телешоу и радиопрограмм в Твиттере, а не на прямую транскрипцию контента из этих устаревших источников СМИ (Recuero, Soares и Gruzd). 2020). Это связано с тем, что, в отличие от онлайн-информации, устаревшие медиаданные (например, субтитры) сложнее собрать, они существуют в форматах, несовместимых для быстрой предварительной обработки (например, файлы SRT), и разбросаны по учреждениям, у которых нет стимулов для обмена. данные с учеными. Следовательно, многое из того, как традиционные СМИ влияют на онлайн-дискурс, неизвестно.

В этом смысле наш анализ десятилетних субтитров из 24-часовых телевизионных новостных программ двух крупнейших новостных станций Америки предоставляет уникальную возможность эмпирически продемонстрировать, как языковая поляризация в вещательных СМИ развивалась с течением времени и как она повлияла на социальные сети. Медийный дискурс. В данной работе мы исследуем, как за последние 11 лет развивались семантические различия в языке вещательных СМИ между CNN и Fox News (Исследование 1), каким словам свойственны пики семантической полярности в языке вещательных СМИ (Исследование 2), являются ли семантические Полярность в языке телевизионных новостей прогнозирует тенденции поляризации в дискурсе в социальных сетях, а также то, как язык играет роль в передаче моделей отношений от одного к другому (Исследование 3).

В исследовании 1 мы используем методы обработки естественного языка (НЛП) для разработки метода, который количественно отражает, как семантическая поляризация между CNN и Fox News развивалась с 2010 по 2020 год, путем расчета семантической полярности социально важных, но политически разделенных тем ( расизм, Black Lives Matter, полиция, иммиграция, изменение климата и здравоохранение) обсуждаются на двух новостных каналах. Затем мы используем метод интерпретации модели в глубоком обучении, чтобы лингвистически раскрыть то, что может быть причиной этих всплесков, путем извлечения контекстуальных токенов, которые наиболее точно предсказывают, как каждая станция обсуждает актуальные ключевые слова в 2020 году (исследование 2). Чтобы выяснить, влияют ли партийные тенденции в языке вещательных СМИ на модели полярности в дискурсе в социальных сетях, мы используем причинно-следственную связь Грейнджера, чтобы проверить, прогнозирует ли семантическая поляризация между двумя новостными телевизионными станциями поляризацию среди аудитории Твиттера, отвечающей на @CNN и @FoxNews (Исследование 3). . Наконец, чтобы понять язык, который управляет причинно-следственными связями Грейнджера в том, как тенденции семантической полярности в телевизионных новостях влияют на пользователей Твиттера (и наоборот), мы определяем маркеры, которые наиболее точно предсказывают, как актуальные ключевые слова обсуждаются на телевидении по сравнению с Твиттером. , разделенные длинами задержек, которые соответствуют значимости причинности Грейнджера. Наш вклад заключается в следующем:

• Мы предлагаем новую основу для количественной оценки семантической поляризации между двумя объектами, учитывая временной характер, связанный с тем, как семантическая поляризация развивается с течением времени. Предыдущие исследования, которые количественно определяют поляризацию как совокупный показатель на основе единого массива продольных данных, часто упускают из виду ключевую временную динамику и контексты того, как полярность разворачивается во времени. Наша структура учитывает временные колебания путем вычисления диахронических сдвигов с использованием контекстных вложений слов с временными характеристиками.

• Показывая, как семантическая поляризация в вещательных СМИ развивалась за последние 11 лет, мы выходим за рамки простой количественной оценки поляризации в качестве показателя, используя интегрированные градиенты для идентификации атрибутивных токенов в качестве прокси для понимания контекстуального языка, который управляет восхождением 2020 года. в семантической полярности между двумя новостными станциями.

• Мы рассматриваем вопрос о том, прогнозирует ли поляризация языка телевизионных новостей тенденции семантической полярности в Твиттере и каким образом, предоставляя новые данные о том, как онлайн-аудитория формируется в своем дискурсе языком телевизионных новостей — важная связь, которая не была эмпирически установлена в масштабе в предыдущих исследованиях.

• Наконец, мы используем интерпретацию модели для извлечения лексических особенностей из различных сущностей, чтобы показать, какие слова управляют значимыми причинно-следственными закономерностями Грейнджера в том, как язык вещательных СМИ формирует дискурс Твиттера и наоборот, тем самым подчеркивая, каким образом язык играет ключевую роль в создание отношений семантической полярности между онлайн-дискуссиями и языком вещательных СМИ.

Наши результаты являются одними из первых, позволяющих количественно оценить, как язык, характеризующий оппозиционные повествования СМИ об аналогичных новостных событиях на телевидении, может повысить уровень партийного дискурса в Интернете. Результаты этой работы подтверждают недавние исследования в области коммуникаций, в которых утверждается, что как средства массовой информации, так и общественные программы могут влиять друг на друга, и что такая динамика может поляризовать способ участия общественности в дискурсе, тем самым влияя на демократическое принятие решений на уровне общества. большой.