![Tech Media Bias [Research Publication] HackerNoon profile picture](https://hackernoon.imgix.net/images/frRB2u5KPDWNFTREWk4zW42RJ5w1-su831oj.jpeg?auto=format&fit=max&w=3840)
Bu makale arxiv'de CC BY-NC-ND 4.0 DEED lisansı altında mevcuttur.
Yazarlar:
(1) Brisha Jain, Bağımsız araştırmacı Hindistan ve [email protected];
(2) Mainack Mondal, IIT Kharagpur Hindistan ve [email protected].
Bağlantı Tablosu
- Özet ve Giriş
- Alakalı iş
- Veri toplama
- Analiz Metodolojisi
- Sonuçlar
- Sınırlamalar
- Sonuç Tartışması
- Referanslar
4. ANALİZ METODOLOJİSİ
Bu çalışmada öncelikle Hintli gazeteci-politikacı etkileşimindeki genel önyargıyı ortaya çıkarmak için niceliksel analiz gerçekleştirdik. Özellikle toplanan tweetlerin istatistiksel testlerini, duygu analizini ve konu analizini kullanarak frekans analizi gerçekleştirdik.
Etkileşim sıklığı ve popülerliğin istatistiksel analizi: Gazeteciler ve politikacılar arasındaki etkileşim sıklığındaki cinsiyet yanlılığını analiz etmek için, gazeteciler ve politikacılar arasındaki tweetlerin popülerliğini politikacıların cinsiyetlerine göre inceliyoruz. Eğer gazeteciler gerçekten cinsiyet ayrımcılığını destekliyorsa, erkek gazetecilerin kadın politikacılardan bahseden tweetlere kıyasla erkek politikacılardan bahseden tweetlerini daha fazla görmeyi bekliyorduk. Kadın gazetecilerin kadın siyasetçiler hakkında olduğu kadar erkek siyasetçiler hakkında da daha az veya daha fazla tweet atmasını bekliyoruz. Politikacıların tweetlerinin gazetecilerden aldığı ilgide cinsiyet yanlılığını kontrol etmek için tweetlerin popülerliğini de inceliyoruz (bu tweetlere verilen retweetler, yanıtlar ve beğeniler yoluyla). Farklı tweet kategorileri arasında önemli farklılıklar olup olmadığını belirlemek için Kruskal-Wallis H-Testi'ni kullanıyoruz. Ayrıca, dört kategorimizdeki popülerlik farklarını daha ayrıntılı bir şekilde analiz etmek için ikili Mann-Whitney U-testini kullanıyoruz.
Duygu analizi: Gazeteciler tarafından siyasetçilere gönderilen tweetlerin içeriğindeki cinsiyet yanlılığını incelemek için, tweetlerin duygu analizini kullanıyoruz (son teknoloji ürünü, geniş dil modeli tabanlı, Twitter'a özgü çok dilli bir duygu tespit aracı olan TweetNLP'yi kullanarak [6]) “MJ-MP”, “MJ-FP”, “FJ-MP” ve “FJ-FP” kategorileri. Özellikle bu tweetlerdeki “Öfke”, “Sevinç”, “İyimserlik” ve “Üzüntü” ifadelerindeki farklılıkları test etmeye çalışıyoruz. Tweetlerin duygu puanlarında (dört boyut boyunca) kategorilerimizden anlamlı farklılıklar olup olmadığını belirlemek için KruskalWallis H testi kullanıyoruz.
