Bu makale arxiv'de CC BY-NC-ND 4.0 DEED lisansı altında mevcuttur.   Yazarlar:  (1) Brisha Jain, Bağımsız araştırmacı Hindistan ve brishajain02@gmail.com;  (2) Mainack Mondal, IIT Kharagpur Hindistan ve mainack@cse.iitkgp.ac.in.  Bağlantı Tablosu   Özet ve Giriş   Alakalı iş   Veri toplama   Analiz Metodolojisi   Sonuçlar   Sınırlamalar   Sonuç Tartışması   Referanslar  5. SONUÇLAR  5.1. Gazeteci-politikacı etkileşimlerinin etkileşim sıklığı ve popülerliğinde cinsiyet yanlılığı (RQ1)  İlk araştırma sorusunun cevabını araştırmak için, Twitter'da politikacılar ve gazeteciler arasındaki etkileşim sıklığında (yani bahsedilme sıklığında) cinsiyet yanlılığı olup olmadığını kontrol etmekle başladık.    Şekil 1a, gazeteciler tarafından erkek ve kadın politikacılardan bahseden tweetlerin sayısının CDF'sini karşılaştırıyor. Bu rakamdan ilginç bir gözlem yapıyoruz. Alıcı politikacı erkek olduğunda (yani MJ-MP ve FJ-MP kategorilerinde), alıcı tarafta kadın politikacılar olduğunda bahsi geçen tweetlerin sayısı (ve dolayısıyla gazeteci-politikacı etkileşiminin sıklığı) daha yüksek oluyor. Bu amaçla, dört kategoride gazeteci başına düşen tweet sayıları arasında yapılan Kruskal-Wallis testi, kategoriler arasında istatistiksel olarak oldukça anlamlı farklılıklar ortaya çıkardı (   << 0,05). Daha sonra dört kategori (MJ-MP, MJ-FP, FJ-MP, FJ-FP) arasında takip yapmak için ikili Mann-Whitney testleri yaptık. Erkek veya Kadın gazetecinin Erkek siyasetçi hesaplarından bahsetmesi arasında istatistiksel olarak anlamlı bir fark bulunmuyor. Benzer şekilde Erkek veya Kadın gazetecinin Kadın siyasetçi hesabından bahsetmesi arasında da istatistiksel olarak anlamlı bir fark bulunmuyor. Bununla birlikte, Erkek/Kadın gazetecilerin Erkek siyasetçilerden ne sıklıkta bahsettikleri ile Kadın siyasetçilerden ne sıklıkta bahsettikleri arasında istatistiksel olarak anlamlı farklılıklar vardır (hepsi   << 0,05). Daha sonra Erkek ve Kadın politikacılara yönelik tweet başına popülerliği karşılaştırıyoruz.  Erkek Politikacılar gazeteciler tarafından daha sık anılıyor: p p  çok). Gözlemimiz, Hindistan'daki Twitter kullanıcılarının, kadın gazetecilerin kadın politikacılar hakkındaki görüşlerine kıyasla, erkek gazetecilerin kadın politikacılar hakkındaki görüşlerine daha fazla güvenilirlik atfettiklerini gösteriyor. Bu gözlemler “retweet”ler için de geçerlidir. Genel olarak, bu dört tweet kategorisine ilişkin popülerlik analizimiz, gazetecilerin politikacılarla olan etkileşimlerinde açık bir önyargıya maruz kalmasalar da, bu etkileşimlerin aktif Twitter kullanıcılarından kaynaklanan ilgi miktarında cinsiyet yanlılığının varlığını destekleyen kanıtlar bulunduğunu ortaya koyuyor.  5.2. Gazeteci-politikacı tweetlerinin içeriğinde cinsiyet önyargısı (RQ2)  Son bölümde, analizimiz hem erkek hem de kadın gazetecilerin Erkek politikacılara karşı önemli bir önyargıya sahip olduğunu gösterdi; erkek politikacılardan bahseden tweetler hem daha sık hem de daha popüler. Ancak bu amaçla bu tweetlerin içeriğinin bu önyargının sorumlusu olup olmadığını kontrol ettik. Özellikle erkek/kadın gazetecilerin erkek/kadın siyasetçilere yönelik yazdığı tweetlerin duygusunu ve konusunu kontrol ettik.    : Her kategoriye ait tweetlerin duygularını tespit etmek için TweetNLP aracını kullandık [6]. TweetNLP, özellikle çok dilli tweet'lerden duyguları tespit etmek için artzamanlı geniş dil modeli (TimeLM'ler) tabanlı bir yaklaşım sağlar. Bu analizin amacı, tweetlerin duygusal puanlarında anlamlı farklılıklar olup olmadığını belirlemektir; eğer varsa bu, gönderenin ve alıcının cinsiyetine dayalı olarak tweetlerin doğasında bir cinsiyet yanlılığının göstergesi olabilir. Dört ana duyguyu göz önünde bulundurduk: öfke, sevinç, iyimserlik ve üzüntü ve dört kategorinin her birindeki her tweet, bu boyutlara göre duygu puanına göre atandı. Daha sonra dört kategoride (MJ-MP, MJ-FP, FJ-MP, FJ-FP) herhangi bir duygunun farklı olup olmadığını belirlemek için bir Kruskal-Wallis testi uyguladık. Dört testin her biri için (her duygu için bir tane)   değerinin 0,16 ila 0,99 arasında değiştiğini bulduk; bu, tweet'lerin duyguları arasında istatistiksel olarak anlamlı bir fark olmadığına işaret ediyor. 5.2.1. Duygu analizi. p    : Daha fazla detaya inmek için, dört kategoride toplanan tweet'lerin (Gizli Dirichlet Tahsisi veya LDA'yı kullanarak) konu analizini gerçekleştirdik. Amaç, tweetlerin konularının gönderenin veya alıcının cinsiyetine göre değişip değişmediğini kontrol etmekti. Bölüm 4'te açıklandığı gibi, her kategori için en uygun konu sayısını (bunlar aslında kelime kümeleridir) belirledik ve LDA algoritmasını kullanarak her konu için en önemli beş kelimeyi belirledik. Dört kategorinin her biri için en uygun konu sayısı on üçtü. Daha sonra her tweet kategorisi için LDA algoritmasını kullanarak on üç konuyu belirledik ve tespit edilen konular için anlamlı bir kelime analizi gerçekleştirdik. Spesifik olarak, her bir tweet kategorisi için konuları seçtik (örneğin, MJ-MP konuları) ve her konuyu temsil eden önemli kelimeleri seçtik. Daha sonra her konu için bu kelimelerin diğer tweet kategorilerinden tespit edilen konularda da bulunup bulunmadığını kontrol ettik (eğer bulunursa, bu, diğer tweet kategorilerinden tespit edilen konularda da konuları temsil eden kelimelerin mevcut olduğu anlamına gelecektir). Dört tweet kategorisinin her biri için, diğer kategorilerdeki tweetlerden tespit edilen konularda ortalama %81,5 ila %93,8 arasında anlamlı kelimeler (konuları temsil eden) yer alıyor. 5.2.2. Konu analizi.  Bu analiz, duygu analizinden elde ettiğimiz gözlemimizi desteklemektedir; bu dört kategorideki tweetlerin içeriği aynıdır. Ancak yine de erkek siyasetçilere yönelik tweetler, kadın siyasetçilere yönelik tweetlere göre daha fazla etkileşim alıyor. Daha sonra bu cinsiyet önyargısının potansiyel nedenini araştırıyoruz.  5.3. Cinsiyet önyargısının olası nedeni    : En iyi politikacılarla ilgili basit bir istatistiği kontrol ettik; en popüler politikacılardan kaçının (Twitter takipçilerinin sayısına göre) erkek ve kaç tanesinin kadın olduğu. Bu amaçla, en iyi politikacılardan oluşan veri kümemizden yararlandık ve en iyi 85 politikacının (Twitter hesapları da bu çalışmanın bir parçası olan) cinsiyetini kontrol ettik. Bu analiz, üst düzey politikacılar arasında rahatsız edici bir cinsiyet dengesizliğini ortaya çıkardı; 85 üst düzey politikacıdan 58'i erkek ve 26'sı kadın. Dolayısıyla popüler erkek politikacıların sayısı popüler kadın politikacıların neredeyse iki katıdır. Bu eşitsizliğin, gözlemlediğimiz erkek politikacıların genel halktan ve gazetecilerden önemli ölçüde daha fazla etkileşim alması olgusunun ardındaki temel nedenlerden biri olduğunu varsayıyoruz. 5.3.1. Hint Twitter'ında Doğuştan Cinsiyet Önyargısı  Aslında bu eşitsizlik toplumun derinliklerine kök salmış sistemik bir önyargıyı yansıtıyor. Bu cinsiyet eşitsizliği etkisini, erkek politikacıların kadın meslektaşlarından daha fazla sayıda takipçi toplama eğiliminde olduğu Twitter alanına bile yayıyor. Bu fenomen münferit değildir; endüstrilerde üst pozisyonlardaki erkeklerin hakimiyetinin de gösterdiği gibi, çeşitli sektörlere nüfuz ediyor. Kurumsal toplantı odalarında, teknoloji firmalarında ve eğlence sektöründe liderlik rolleri ağırlıklı olarak erkekler tarafından üstleniliyor. Toplumsal normlardan kaynaklanan bu sistematik önyargı, sosyal sermaye ile iktidar konumlarına ulaşma arasındaki güçlü korelasyonla daha da güçleniyor. Sonuç olarak Twitter'daki popülerlik, bu içsel önyargının çarpıcı bir yansıması olarak hizmet ediyor. Bu eşitsizliklerin ele alınması, toplumsal cinsiyet eşitliğinin teşvik edilmesi ve toplumdaki köklü önyargıların ortadan kaldırılması açısından çok önemlidir.

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.

MediaBias's

Bu ses hikayenin orijinal dilinde üretilmiştir!

Hint Twitter'ında Gazeteci-Politikacı Etkileşimindeki Cinsiyet Önyargısını Ortaya Çıkarmak: Sonuçlar

About Author

YORUMLAR

ETİKETLERİ ASIN

BU YAZI

Related Stories

HackerNoon Yazma Yarışmasını mı Kazanmak İstiyorsunuz? İşte #crypto-api Yarışması Kazananlarının Önerileri

Yapay Zekanın Gücünü Ortaya Çıkarıyoruz. En Son Tekniklerin Sistematik Bir İncelemesi: Özet ve Giriş

Kripto Büyümesi: Etkili Kullanıcı Kişilikleri Oluşturma

Sulara Yelken Açmak: Data Lakes ile Üretim Sınıfında RAG Uygulamaları Geliştirme

HackerNoon Yazma Yarışmasını mı Kazanmak İstiyorsunuz? İşte #crypto-api Yarışması Kazananlarının Önerileri

Yapay Zekanın Gücünü Ortaya Çıkarıyoruz. En Son Tekniklerin Sistematik Bir İncelemesi: Özet ve Giriş

Kripto Büyümesi: Etkili Kullanıcı Kişilikleri Oluşturma

Sulara Yelken Açmak: Data Lakes ile Üretim Sınıfında RAG Uygulamaları Geliştirme

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps