paint-brush
Mitigando o viés de enquadramento com perda de minimização de polaridade: trabalho relacionadopor@mediabias
435 leituras
435 leituras

Mitigando o viés de enquadramento com perda de minimização de polaridade: trabalho relacionado

Muito longo; Para ler

Neste artigo, os pesquisadores abordam o preconceito de enquadramento na mídia, um fator-chave da polarização política. Eles propõem uma nova função de perda para minimizar as diferenças de polaridade nos relatórios, reduzindo efetivamente o viés.
featured image - Mitigando o viés de enquadramento com perda de minimização de polaridade: trabalho relacionado
Media Bias [Deeply Researched Academic Papers] HackerNoon profile picture
0-item

Este artigo está disponível no arxiv sob licença CC BY-NC-SA 4.0 DEED.

Autores:

(1) Yejin Bang, Centro de Pesquisa em Inteligência Artificial (CAiRE), Universidade de Ciência e Tecnologia de Hong Kong;

(2) Nayeon Lee, Centro de Pesquisa em Inteligência Artificial (CAiRE), Universidade de Ciência e Tecnologia de Hong Kong;

(3) Pascale Fung, Centro de Pesquisa em Inteligência Artificial (CAiRE), Universidade de Ciência e Tecnologia de Hong Kong.

Tabela de Links

2. Trabalho relacionado

Framing Bias O preconceito de enquadramento é um fenômeno bem documentado no campo dos estudos de mídia (Wright e Goodwin, 2002; Entman, 2002, 2010, 2007; Gentzkow e Shapiro, 2006; Gentzkow et al., 2015; Beratšová et al., 2016 ). De acordo com Gentzkow e Shapiro (2006), o preconceito de enquadramento ocorre quando jornalistas e meios de comunicação enfatizam seletivamente certos aspectos de uma história enquanto minimizam ou ignoram outros (informativos) com uso tendencioso de linguagens (lexicais). Isto pode resultar numa percepção distorcida dos acontecimentos entre o público, particularmente nos casos em que o enquadramento é feito para servir uma agenda ou ideologia específica (Kahneman e Tversky, 2013; Goffman, 1974). O impacto do preconceito de enquadramento é especialmente evidente na arena política, onde os meios de comunicação social e os partidos políticos frequentemente se envolvem em discursos polarizadores concebidos para apelar às suas respectivas bases (Scheufele, 2000; Chong e Druckman, 2007).


Esforços automáticos de mitigação Para mitigar isso, têm havido vários esforços automáticos de mitigação de preconceitos da mídia (Fan et al., 2019; Hamborg et al., 2019; Morstatter et al., 2018; Laban e Hearst, 2017; Hamborg et al., 2017 ; Zhang et al., 2019b; Uma linha de trabalho semelhante é a previsão de ideologia (Liu et al., 2022) (se forem de esquerda, direita ou centro) ou a previsão de postura (Baly et al., 2020) – que é a detecção de polaridade. Por outro lado, nosso trabalho foca na geração de um artigo neural a partir de artigos polarizados. Dado que o preconceito de enquadramento muitas vezes acontece de forma muito sutil, Morstatter et al. (2018) aprende o padrão de preconceito de enquadramento em uma frase e tenta detectá-lo automaticamente. Outra tentativa comum de mitigação é apresentar múltiplos pontos de vista de forma automática (Hamborg et al., 2017; Park et al., 2009). Lee et al. (2022) deu mais um passo para fazer um resumo dos artigos polarizados para fornecer múltiplas perspectivas automaticamente em um único resumo. Nosso trabalho está alinhado com a visão de trabalhos anteriores, mas nos concentramos na forma mais geral de mitigar o viés de enquadramento, estudando a perda de minimização de polaridade.