paint-brush
Medyanın Çok Dilli Kaba Siyasi Duruş Sınıflandırması: Özet ve Sonuçlarile@mediabias
111 okumalar

Medyanın Çok Dilli Kaba Siyasi Duruş Sınıflandırması: Özet ve Sonuçlar

Çok uzun; Okumak

Bu makalede araştırmacılar, yapay zeka tarafından oluşturulan haber makalelerinin tarafsızlığını ve diller arasındaki duruş gelişimini özgün haber kaynağı derecelendirmelerini kullanarak analiz ediyor.
featured image - Medyanın Çok Dilli Kaba Siyasi Duruş Sınıflandırması: Özet ve Sonuçlar
Tech Media Bias [Research Publication] HackerNoon profile picture
0-item

Bu makale arxiv'de CC BY-NC-SA 4.0 DEED lisansı altında mevcuttur.

Yazarlar:

(1) Cristina España-Bonet, DFKI GmbH, Saarland Bilişim Kampüsü.

Bağlantı Tablosu

4. Özet ve Sonuçlar

Medya kaynaklarının bir editoryal çizgisi ve buna bağlı bir önyargısı vardır. Siyasi önyargılardan kurtulmak insanlar için zordur ancak bunların farkında olmak, haberlere küresel bir bakış açısı kazanmamıza yardımcı olur. Önyargılar bazen açıktır ve/veya zararlı metin biçiminde görünür, ancak bazen de incelikli ve tespit edilmesi zordur. Bu ince gizli önyargılar potansiyel olarak tehlikelidir ve biz onların farkında olmadığımızda manipülasyona yol açar. Bu çalışmada, ChatGPT ve Bard'ın ardındaki, herhangi bir kişisel rol atamadan ortaya çıkan ince siyasi önyargıları sistematik olarak inceledik (Deshpande ve diğerleri, 2023). ChatGPT'nin yönünün zamanla değiştiğini ve diller arasında farklı olduğunu gösterdik. ChatGPT, Şubat ve Ağustos 2023 arasında Sol siyasi yönelimden Nötr siyasi yönelime geçiş yaptı; İngilizce ve İspanyolca için ortada Sağ eğilimli bir dönem vardı. Bard'ın evrimi henüz incelenemiyor. Ağustos 2023 itibarıyla mevcut sürümü, incelenen 4 dil için sürekli olarak Sola eğilimli olduğunu göstermektedir. Bu önyargı, modelin ürettiği gerçek hatalardan bağımsızdır ve kullanıcıları tarafından da dikkate alınmalıdır. Sıfır atış yaklaşımını kullanarak ABD, Almanya ve İspanya'nın yanı sıra yakından ilişkili siyasi bağlamlar ve dillerdeki metin nesillerindeki önyargıları düzenli olarak kontrol etmek için modeller sağlıyoruz.


Analizimizin bir yan ürünü olarak, siyasi duruş ve konu hakkında kaba açıklamalar içeren 1,2 milyon gazete makalesinden oluşan çok dilli bir külliyat oluşturduk. Uzak denetimin, külliyat çeşitli olduğu sürece kaba siyasi duruş sınıflandırması için anlamlı modeller oluşturmamıza olanak sağladığını gösteriyoruz. Bu verileri LM nesilleri ve kodumuzla birlikte Zenodo (España-Bonet, 2023) ve Github aracılığıyla kullanıma sunuyoruz.[12]


[12] https://github.com/cristinae/docTransformer