该论文可在 arxiv 上根据 CC BY-NC-ND 4.0 DEED 许可获取。 作者：  （1）Brisha Jain，印度独立研究员，brishajain02@gmail.com；  （2）Mainack Mondal，印度理工学院 Kharagpur 分校，mainack@cse.iitkgp.ac.in。 链接表 摘要和简介 相关工作 数据采集 分析方法 结果 限制 结束讨论 参考 5.结果 5.1. 记者与政客互动频率和受欢迎程度的性别偏见（RQ1） 为了探究第一个研究问题的答案，我们首先检查政治家和记者在 Twitter 上的互动频率（即提及频率）是否存在性别偏见。 图 1a 比较了记者发布的提及男性和女性政客的推文数量的 CDF。我们从这个图中得出了一个有趣的观察。当接收政客是男性（即 MJ-MP 和 FJ-MP 类别）时，接收端是女性政客时提及的推文数量（以及记者与政客互动的频率）更高。为此，对四个类别中每位记者的推文数量进行 Kruskal-Wallis 检验，结果显示不同类别之间存在相当显著的统计学差异（   << 0.05）。然后，我们对四个类别（MJ-MP、MJ-FP、FJ-MP、FJ-FP）进行了成对 Mann-Whitney 检验。当男性或女性记者提到男性政客账户时，统计学上没有显着差异。同样，当男性或女性记者提到女性政客账户时，统计学上也没有显着差异。然而，男性/女性记者提及男性政客的频率与提及女性政客的频率存在统计学上的显著差异（所有  << 0.05）。接下来，我们比较针对男性和女性政客的每条推文的受欢迎程度。  男性政客更频繁地被记者提及： p p  vely)。我们的观察表明，与女记者对女政客的看法相比，印度的 Twitter 用户似乎更相信男记者对女政客的看法。这些观察结果也适用于“转发”。总体而言，我们对这四类推文的受欢迎程度分析表明，虽然记者在与政客的互动中没有明显的偏见，但有证据表明，这些互动在活跃 Twitter 用户中引起的兴趣数量上存在性别偏见。  5.2. 记者-政客推文内容中的性别偏见（RQ2） 在上一节中，我们的分析表明，男性和女性记者都对男性政客存在明显的偏见——提及男性政客的推文更频繁，也更受欢迎。然而，为此，我们检查了这些推文的内容是否可能是造成这种偏见的原因。具体来说，我们检查了男性/女性记者撰写的针对男性/女性政客的推文的情绪和主题。    ：我们使用 TweetNLP 工具检测每个类别的推文情绪 [6]。TweetNLP 提供了一种基于历时大语言模型 (TimeLM) 的方法来检测情绪，特别是从多语言推文中检测情绪。此分析的目的是确定推文的情绪分数是否存在显著差异——如果存在，则可能表明推文中存在基于发送者和接收者性别的性别偏见。我们考虑了四种主要情绪：愤怒、喜悦、乐观和悲伤，并根据这些维度为四个类别中的每个推文分配情绪分数。然后，我们进行了 Kruskal-Wallis 检验，以确定四个类别（MJ-MP、MJ-FP、FJ-MP、FJ-FP）中是否有任何情绪不同。我们发现四个测试（每个情绪一个）的 值范围为 0.16 到 0.99，暗示推文的情绪没有统计学上的显着差异。 5.2.1. 情绪分析。 p    ：为了进一步挖掘，我们对收集到的四个类别的推文进行了主题分析（使用潜在狄利克雷分配或 LDA）。目标是检查推文的主题是否根据发送者或接收者的性别而改变。如第 4 节所述，我们确定了每个类别的最佳主题数量（本质上是单词的集群），并使用 LDA 算法确定了每个主题最重要的五个单词。对于四个类别中的每一个，最佳主题数量为十三个。接下来，我们使用 LDA 算法为每个类别的推文确定十三个主题，并对检测到的主题进行重要词分析。具体来说，对于每个类别的推文，我们选择主题（例如，来自 MJ-MP 的主题）并挑选代表每个主题的重要词。然后，对于每个主题，我们检查这些词是否也出现在从其他类别的推文中检测到的主题中（如果找到，则表示代表主题的词也存在于从其他类别的推文中检测到的主题中）。对于四类推文中的每一类，平均有 81.5% 到 93.8% 的重要词（代表主题）出现在从其他类别的推文中检测到的主题中。 5.2.2. 主题分析。 这一分析支持了我们从情感分析中得出的观察结果——这四个类别的推文内容相同。然而，与针对女性政治家的推文相比，针对男性政治家的推文仍然吸引了更多的互动。接下来，我们探讨这种性别偏见的潜在原因。  5.3. 性别偏见的潜在原因 ：我们查看了有关顶级政客的简单统计数据——最受欢迎的政客（基于 Twitter 粉丝数量）中有多少是男性，有多少是女性。为此，我们利用了顶级政客的数据集，并检查了 85 名顶级政客的性别（他们的 Twitter 账户也是本研究的一部分）。这项分析揭示了顶级政客中令人不安的性别不平衡——在 85 名顶级政客中，58 名是男性，26 名是女性。因此，受欢迎的男性政客的数量几乎是受欢迎的女性政客的两倍。我们推测，这种不平等是我们观察到的男性政客吸引更多来自公众和记者的互动现象的主要原因之一。 5.3.1. 印度 Twitter 中固有的性别偏见 事实上，这种不平等反映了社会中根深蒂固的系统性偏见。这种性别差异甚至延伸到了 Twitter 领域，男性政治家往往比女性政治家拥有更多的粉丝。这种现象并不孤立；它渗透到各个领域，正如男性在各行各业的高层职位中占据主导地位所表明的那样。在公司董事会、科技公司和娱乐行业，领导角色主要由男性担任。这种根植于社会规范的系统性偏见因社会资本与权力地位的获得之间的强相关性而得到进一步强化。因此，Twitter 上的受欢迎程度鲜明地反映了这种内在偏见。解决这些差异对于促进性别平等和消除社会中根深蒂固的偏见至关重要。

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.

揭示印度推特上记者与政客互动中的性别偏见：结果

About Author

註釋

標籤

这篇文章刊登在

Related Stories

比特币 UTXO 模型，为独特的生态系统提供动力

Telegram：加密岛通往大陆的桥梁

如何将您的工作流程提高 10 倍：17 个必备应用程序

想赢得 HackerNoon 写作比赛吗？以下是 #crypto-api 比赛获奖者的推荐

比特币 UTXO 模型，为独特的生态系统提供动力

Telegram：加密岛通往大陆的桥梁

如何将您的工作流程提高 10 倍：17 个必备应用程序

想赢得 HackerNoon 写作比赛吗？以下是 #crypto-api 比赛获奖者的推荐

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps