媒体多语言粗略政治立场分类：总结与结论

链接表

• 摘要和简介
• 语料库编撰
• 政治立场分类
• 总结和结论
• 限制和道德声明
• 致谢和参考文献
• A. OSCAR 22.01 中的报纸
• B. 主题
• C. 各报纸主题分布
• D. ChatGPT 和 Bard 文章生成的主题
• E. 文章层面的立场分类
• F. 培训详情

4. 总结与结论

媒体来源具有编辑路线和相关偏见。摆脱政治偏见对人类来说很难，但意识到它们有助于我们获得新闻的全球视野。偏见有时很明显和/或以有害文本的形式出现，但有时很微妙且难以发现。这些微妙的隐藏偏见具有潜在的危险性，并且在我们没有意识到它们时会导致操纵。在这项工作中，我们系统地研究了 ChatGPT 和 Bard 背后的微妙政治偏见，这些偏见在出现时没有分配任何角色（Deshpande 等人，2023 年）。我们表明 ChatGPT 的取向会随着时间而变化，并且在不同语言之间有所不同。在 2023 年 2 月至 8 月期间，ChatGPT 从左翼政治取向转变为中立政治取向，中间英语和西班牙语有一段右倾时期。Bard 的演变尚无法研究。截至 2023 年 8 月，其当前版本始终显示所研究的 4 种语言的左倾。这种偏见与模型生成的事实错误无关，用户也应考虑到这一点。我们提供模型，使用零样本方法定期检查美国、德国和西班牙的文本生成中的偏见，以及密切相关的政治背景和语言中的偏见。

作为我们分析的副产品，我们创建了一个包含 120 万篇报纸文章的多语言语料库，其中包含政治立场和主题的粗略注释。我们表明，只要语料库多样化，远程监督就可以让我们为粗略的政治立场分类建立有意义的模型。我们通过 Zenodo（España-Bonet，2023 年）和 Github 提供这些数据以及 LM 代和我们的代码。[12]

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