Polarite Minimizasyon Kaybı ile Çerçeveleme Önyargısını Azaltma: Sınırlamalar, Etik Beyanı ve Referanslar

Bağlantı Tablosu

• Özet ve Giriş
• Alakalı iş
• Yaklaşmak
• Deneyler
• Çözüm
• Sınırlamalar, Etik Beyanı ve Referanslar
• A. Deneysel Ayrıntılar
• B. Nesil Sonuçlar

6.1. Sınırlamalar

Çalışma, kıyaslamanın İngilizce tabanlı görev düzenine bağlılığıyla sınırlıdır. Analiz, Amerika Birleşik Devletleri ve İngilizce dilindeki siyasi ideolojilerle sınırlıdır. Ek olarak, BART modelinin 1024 alt belirteç giriş sınırı, giriş olarak eklenebilecek önyargılı kaynak makalelerin sayısını kısıtlar. Bu sınırlamaların, çalışmanın bulgularının kapsamını potansiyel olarak etkilemesine rağmen, doğal dil işleme araştırmalarında alışılmadık bir durum olmadığını belirtmek önemlidir. Bununla birlikte, gelecekteki araştırmalar, daha geniş bir yelpazedeki siyasi ideolojiler (ABD dışı siyasi ideolojiler) ve diller için alternatif yöntemleri araştırarak ve ayrıca daha kapsamlı kaynak makale yelpazesini yakalamak için daha uzun girdi metinlerini dahil ederek bu sınırlamaları ele almaktan fayda görebilir.

6.2. Etik Beyanı

Okuyucuların belirli bir kişi, grup veya konuya yönelik görüşlerini etkileyerek kutuplaşmaya yol açabileceği için çerçevelemeli önyargılı makaleler konusu kapsamlı bir şekilde incelenmiştir. Bu sorunu çözmek için araştırmamız, modelin oluşturulan özette çerçeveleme yanlılığını azaltmasını sağlamak için dahil edilebilecek bir kayıp fonksiyonunun tanıtılmasına odaklanmaktadır.

Ancak, otomatik teknolojilerin, daha geniş etkileri dikkatle değerlendirilerek geliştirilmedikleri takdirde, istenmeyen olumsuz sonuçlara da yol açabileceğinin kabul edilmesi önemlidir. Örneğin, makine öğrenimi modelleri, bilinen kaynak önyargısını başka bir önyargı biçimiyle değiştirerek çıktılarına önyargı katabilir (Lee ve diğerleri, 2022). Bu riski azaltmak için Lee ve ark. (2022), otomatik olarak oluşturulan tarafsız özetlerin yanı sıra kaynak makalelerden açıkça bahsedilmesini önerdi. Ayrıca, çalışmamız insan tarafından üretilen makalelerdeki çerçeveleme yanlılığını ortadan kaldırmayı amaçlasa da, üretken modellerin iyi bilinen bir sorunu olan nesilde halüsinasyon potansiyeli bulunmaktadır (Ji ve ark., 2023). Bu nedenle, eğer bu tür bir otomatik teknoloji gerçek kullanım durumları için uygulanırsa, bir korkuluk donatmak (örneğin, kaynak referansı sağlamak) önemlidir.

Bu zorluklara rağmen araştırmamız, toplumdaki kutuplaşmayı azaltmak için insan kaynaklı çerçeveleme önyargısını hafifletme çabasına katkıda bulunabilir. Kullanım örneklerinden biri, çerçeveleme yanlılığı olmadan çoklu görünümde sentezlenmiş makaleler sağlama sürecinde insan uzmanlara yardımcı olmak olabilir. Daha geniş toplumsal etki açısından, çalışmalarımızın çevrimiçi kullanıcıların çevrimiçi olarak daha depolarize bilgilere erişmesine yardımcı olabileceğini umuyoruz.

6.3. Referanslar

2021. Merkez – "merkez" medya önyargısı derecelendirmesi ne anlama geliyor?

Ramy Baly, Giovanni Da San Martino, James Glass ve Preslav Nakov. 2020. Ön yargınızı tespit edebiliyoruz: Haberlerin siyasi ideolojisini tahmin etmek. Doğal Dil İşlemede Ampirik Yöntemler (EMNLP) 2020 Konferansı Bildirileri, sayfalar 4982–4991, Çevrimiçi. Hesaplamalı Dilbilim Derneği.

Adriana Beratšová, Kristína Krchová, Nikola Gazová ve Michal Jirásek. 2016. Çerçeveleme ve önyargı: son bulguların literatür taraması. Orta Avrupa yönetim dergisi, 3(2).

Dennis Chong ve James N. Druckman. 2007. Çerçeveleme teorisi. Annu. Rahip Polit. Sci., 10:103–126.

Robert M Entman. 2002. Çerçeveleme: Parçalanmış bir paradigmanın açıklığa kavuşturulmasına doğru. Kitle İletişim Teorisinde McQuail'in Okuyucusu. Londra, Kaliforniya ve Yeni Delhi: Sage.

Robert M Entman. 2007. Çerçeveleme yanlılığı: Güç dağıtımında medya. İletişim Dergisi, 57(1):163–173.

Robert M Entman. 2010. Medyanın çerçeveleme önyargıları ve siyasi güç: 2008 kampanyası haberlerindeki eğilimin açıklanması. Gazetecilik, 11(4):389–408.

Alexander R Fabbri, Irene Li, Tianwei She, Suyi Li ve Dragomir R Radev. 2019. Çoklu haber: Büyük ölçekli, çok belgeli özetleme veri kümesi ve soyutlayıcı hiyerarşik model. arXiv ön baskı arXiv:1906.01749

Lisa Fan, Marshall White, Eva Sharma, Ruisi Su, Prafulla Kumar Choubey, Ruihong Huang ve Lu Wang. 2019. Açıkça: Gerçek habercilik merceğinden medyanın önyargısı. arXiv ön baskısı arXiv:1909.02670.

Matthew Gentzkow ve Jesse M Shapiro. 2006. Medyanın önyargısı ve itibarı. Politik Ekonomi Dergisi, 114(2):280–316.

Matthew Gentzkow, Jesse M Shapiro ve Daniel F Stone. 2015. Piyasadaki medya önyargısı: Teori. Medya ekonomisi el kitabı, cilt 1, sayfa 623-645'te. Elsevier.

Erving Goffman. 1974. Çerçeve analizi: Deneyimin organizasyonu üzerine bir makale. Harvard Üniversitesi Yayınları

Felix Hamborg, Karsten Donnay ve Bela Gipp. 2019. Haber makalelerinde medya önyargısının otomatik olarak belirlenmesi: disiplinlerarası bir literatür taraması. Uluslararası Dijital Kütüphaneler Dergisi, 20(4):391–415.

Felix Hamborg, Norman Meuschke ve Bela Gipp. 2017. Matris tabanlı haber toplama: farklı haber perspektiflerini keşfetmek. 2017'de ACM/IEEE Dijital Kütüphaneler Ortak Konferansı (JCDL), sayfa 1-10. IEEE.

Ziwei Ji, Nayeon Lee, Rita Frieske, Tiezheng Yu, Dan Su, Yan Xu, Etsuko Ishii, Ye Jin Bang, Andrea Madotto ve Pascale Fung. 2023. Doğal dil üretiminde halüsinasyon araştırması. ACM Bilgisayarı. Hayatta kalan, 55(12).

Daniel Kahneman ve Amos Tversky. 2013. Beklenti teorisi: Risk altındaki kararın analizi. Finansal karar vermenin temelleri El Kitabı: Bölüm I, sayfa 99-127. Dünya Bilimsel.

Philippe Laban ve Marti A Hearst. 2017. haber merceği: uzun vadeli haber hikayeleri oluşturmak ve görselleştirmek. Haber Atölyesindeki Olaylar ve Hikayelerin Bildirileri, sayfa 1-9.

Nayeon Lee, Yejin Bang, Tiezheng Yu, Andrea Madotto ve Pascale Fung. 2022. NeuS: Çerçeveleme önyargısını azaltmak için tarafsız çoklu haber özetleme. Hesaplamalı Dilbilim Derneği Kuzey Amerika Bölümü 2022 Konferansı Bildirileri: İnsan Dili Teknolojileri, sayfa 3131–3148, Seattle, Amerika Birleşik Devletleri. Hesaplamalı Dilbilim Derneği.

Mike Lewis, Yinhan Liu, Naman Goyal, Marjan Ghazvininejad, Abdelrahman Mohamed, Omer Levy, Ves Stoyanov ve Luke Zettlemoyer. 2019. Bart: Doğal dil oluşturma, çeviri ve anlama için diziden diziye gürültü giderme ön eğitimi. arXiv ön baskısı arXiv:1910.13461.

Yujian Liu, Xinliang Frederick Zhang, David Wegsman, Nicholas Beauchamp ve Lu Wang. 2022. POLİTİK: İdeoloji tahmini ve duruş tespiti için aynı hikaye makalelerinin karşılaştırılması ile ön eğitim. Hesaplamalı Dilbilim Derneği'nin Bulguları: NAACL 2022, sayfalar 1354–1374, Seattle, Amerika Birleşik Devletleri. Hesaplamalı Dilbilim Derneği.

Seyf Muhammed. 2018. 20.000 İngilizce kelime için değerlik, uyarılma ve hakimiyet konusunda güvenilir insan derecelendirmeleri elde etmek. Hesaplamalı Dilbilim Derneği'nin 56. Yıllık Toplantısı Bildirileri (Cilt 1: Uzun Yazılar), sayfa 174-184.

Fred Morstatter, Liang Wu, Uraz Yavanoğlu, Stephen R Corman ve Huan Liu. 2018. Çevrimiçi haberlerde çerçeveleme önyargısının belirlenmesi. Sosyal Bilgi İşlemde ACM İşlemleri, 1(2):1–18.

Kishore Papineni, Salim Roukos, Todd Ward ve WeiJing Zhu. 2002. Bleu: makine çevirisinin otomatik değerlendirilmesi için bir yöntem. Hesaplamalı Dilbilim Derneği'nin 40. yıllık toplantısının tutanakları, sayfa 311-318.

Souneil Park, Seungwoo Kang, Sangyoung Chung ve Junehwa Song. 2009. Newscube: medyanın önyargısını azaltmak için haberlerin çeşitli yönlerini sunmak. Bilgisayar sistemlerinde insan faktörleri üzerine SIGCHI konferansının Bildirileri, sayfa 443-452.

Dietram A Scheufele. 2000. Gündem belirleme, hazırlama ve çerçeveleme yeniden gözden geçirildi: Siyasal iletişimin bilişsel etkilerine başka bir bakış. Kitle iletişimi ve toplum, 3(2-3):297–316.

Her yönden. 2018. Medya önyargı derecelendirmeleri. Allsides.com.

Timo Spinde, Christina Kreuter, Wolfgang Gaissmaier, Felix Hamborg, Bela Gipp ve Helge Giese. 2021. Önyargılı olduğunu mu düşünüyorsunuz? Medyanın önyargı algısı nasıl sorulur? 2021'de ACM/IEEE Dijital Kütüphaneler Ortak Konferansı (JCDL), sayfa 61-69. IEEE.

Esther van den Berg ve Katja Markert. 2020. Bilgisel önyargı tespitinde bağlam. 28. Uluslararası Hesaplamalı Dilbilim Konferansı Bildirileri, sayfa 6315–6326, Barselona, İspanya (Çevrimiçi). Uluslararası Hesaplamalı Dilbilim Komitesi.

George Wright ve Paul Goodwin. 2002. 'Daha sıkı düşünmek' için basit talimatlar ve yönetim deneyimi olan katılımcılar kullanarak çerçeveleme önyargısını ortadan kaldırmak: 'Çerçeveyi kırmak' üzerine yorum yapın. Stratejik yönetim dergisi, 23(11):1059–1067.

Jingqing Zhang, Yao Zhao, Mohammad Saleh ve Peter J. Liu. 2019a. Pegasus: Soyutlayıcı özetleme için çıkarılan boşluk cümleleriyle ön eğitim.

Tianyi Zhang*, Varsha Kishore*, Felix Wu*, Kilian Q. Weinberger ve Yoav Artzi. 2020. Bertscore: Metin oluşturmanın bert ile değerlendirilmesi. Uluslararası Öğrenme Temsilleri Konferansında.

Yifan Zhang, Giovanni Da San Martino, Alberto BarrónCedeno, Salvatore Romeo, Jisun An, Haewoon Kwak, Todor Staykovski, Israa Jaradat, Georgi Karadzhov, Ramy Baly ve diğerleri. 2019b. Tanbih: Okuduğunu tanı. EMNLP-IJCNLP 2019, sayfa 223.