paint-brush
Polarite Minimizasyon Kaybı ile Çerçeveleme Önyargısını Azaltma: İlgili Çalışmaile@mediabias
435 okumalar
435 okumalar

Polarite Minimizasyon Kaybı ile Çerçeveleme Önyargısını Azaltma: İlgili Çalışma

Çok uzun; Okumak

Bu makalede araştırmacılar, siyasi kutuplaşmanın temel etkenlerinden biri olan medyadaki çerçeveleme önyargısını ele alıyor. Raporlamadaki kutupsallık farklılıklarını en aza indirmek ve önyargıyı etkili bir şekilde azaltmak için yeni bir kayıp fonksiyonu öneriyorlar.
featured image - Polarite Minimizasyon Kaybı ile Çerçeveleme Önyargısını Azaltma: İlgili Çalışma
Media Bias [Deeply Researched Academic Papers] HackerNoon profile picture
0-item

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

Yazarlar:

(1) Yejin Bang, Yapay Zeka Araştırma Merkezi (CAiRE), Hong Kong Bilim ve Teknoloji Üniversitesi;

(2) Nayeon Lee, Yapay Zeka Araştırma Merkezi (CAiRE), Hong Kong Bilim ve Teknoloji Üniversitesi;

(3) Pascale Fung, Yapay Zeka Araştırma Merkezi (CAiRE), Hong Kong Bilim ve Teknoloji Üniversitesi.

Bağlantı Tablosu

2. İlgili çalışma

Çerçeveleme Önyargısı Çerçeveleme yanlılığı medya çalışmaları alanında iyi belgelenmiş bir olgudur (Wright ve Goodwin, 2002; Entman, 2002, 2010, 2007; Gentzkow ve Shapiro, 2006; Gentzkow ve diğerleri, 2015; Beratšová ve diğerleri, 2016). ). Gentzkow ve Shapiro'ya (2006) göre çerçeveleme yanlılığı, gazeteciler ve medya kuruluşları bir hikayenin belirli yönlerini seçici bir şekilde vurgularken, diğerlerini (bilgisel) önyargılı dil kullanımıyla (sözcüksel) küçümsediğinde veya görmezden geldiğinde ortaya çıkar. Bu, özellikle çerçevelemenin belirli bir gündeme veya ideolojiye hizmet etmek için yapıldığı durumlarda, halk arasında olayların çarpık algılanmasına yol açabilir (Kahneman ve Tversky, 2013; Goffman, 1974). Çerçeveleme yanlılığının etkisi özellikle medya kuruluşlarının ve siyasi partilerin kendi tabanlarına hitap etmek üzere tasarlanmış kutuplaştırıcı söylemlerle meşgul oldukları siyasi arenada belirgindir (Scheufele, 2000; Chong ve Druckman, 2007).


Otomatik Azaltma Çabaları Bunu hafifletmek için çeşitli otomatik medya önyargısını azaltma çabaları olmuştur (Fan ve diğerleri, 2019; Hamborg ve diğerleri, 2019; Morstatter ve diğerleri, 2018; Laban ve Hearst, 2017; Hamborg ve diğerleri, 2017). ; Zhang ve diğerleri, 2019b; van den Berg ve Markert, 2020; Lee ve diğerleri, 2022). Benzer bir çalışma alanı, ideoloji tahmini (Liu ve diğerleri, 2022) (sol, sağ veya merkez eğilimli iseler) veya duruş tahminidir (Baly ve diğerleri, 2020) - ki bu kutupsallık tespitidir. Öte yandan çalışmamız polarize makalelerden sinirsel bir makale oluşturmaya odaklanıyor. Çerçeveleme yanlılığının çoğu zaman çok incelikli olduğu göz önüne alındığında, Morstatter ve ark. (2018) bir cümledeki çerçeveleme yanlılığının modelini öğreniyor ve bunu otomatik olarak tespit etmeye çalışıyor. Diğer bir yaygın hafifletme girişimi birden fazla bakış açısını otomatik bir şekilde görüntülemektir (Hamborg ve diğerleri, 2017; Park ve diğerleri, 2009). Lee ve ark. (2022), tek bir özette otomatik olarak birden fazla bakış açısı sağlamak amacıyla kutuplaşmış makalelerden bir özet oluşturmak için bir adım daha attı. Çalışmamız önceki çalışmaların vizyonuyla uyumludur, ancak polarite minimizasyon kaybını inceleyerek çerçeveleme yanlılığını azaltmanın daha genel bir yoluna odaklanıyoruz.