Bài viết này có sẵn trên arxiv theo giấy phép CC BY-NC-SA 4.0 DEED.   tác giả:  (1) Yejin Bang, Trung tâm Nghiên cứu Trí tuệ Nhân tạo (CAiRE), Đại học Khoa học và Công nghệ Hồng Kông;  (2) Nayeon Lee, Trung tâm Nghiên cứu Trí tuệ Nhân tạo (CAiRE), Đại học Khoa học và Công nghệ Hồng Kông;  (3) Pascale Fung, Trung tâm Nghiên cứu Trí tuệ Nhân tạo (CAiRE), Đại học Khoa học và Công nghệ Hồng Kông.  Bảng liên kết   Tóm tắt và giới thiệu   Công việc có liên quan   Tiếp cận   Thí nghiệm   Phần kết luận   Hạn chế, Tuyên bố về Đạo đức và Tài liệu tham khảo   A. Chi tiết thí nghiệm   B. Kết quả thế hệ  2. Công việc liên quan    Định kiến định kiến là một hiện tượng được ghi chép đầy đủ trong lĩnh vực nghiên cứu truyền thông (Wright và Goodwin, 2002; Entman, 2002, 2010, 2007; Gentzkow và Shapiro, 2006; Gentzkow và cộng sự, 2015; Beratšová và cộng sự, 2016 ). Theo Gentzkow và Shapiro (2006), định kiến thiên vị xảy ra khi các nhà báo và cơ quan truyền thông nhấn mạnh một cách có chọn lọc các khía cạnh nhất định của một câu chuyện trong khi hạ thấp hoặc phớt lờ những khía cạnh khác (thông tin) bằng cách sử dụng ngôn ngữ (từ vựng) một cách thiên vị. Điều này có thể dẫn đến nhận thức sai lệch về các sự kiện trong công chúng, đặc biệt trong trường hợp việc đóng khung được thực hiện để phục vụ một chương trình nghị sự hoặc hệ tư tưởng cụ thể (Kahneman và Tversky, 2013; Goffman, 1974). Tác động của định kiến định khung đặc biệt rõ ràng trong lĩnh vực chính trị, nơi các cơ quan truyền thông và các đảng phái chính trị thường tham gia vào các diễn ngôn phân cực được thiết kế để thu hút các cơ sở tương ứng của họ (Scheufele, 2000; Chong và Druckman, 2007). Định kiến thiên vị    Để giảm thiểu điều đó, đã có nhiều nỗ lực giảm thiểu sai lệch trên phương tiện truyền thông tự động (Fan và cộng sự, 2019; Hamborg và cộng sự, 2019; Morstatter và cộng sự, 2018; Laban và Hearst, 2017; Hamborg và cộng sự, 2017 ; Zhang và cộng sự, 2019b; van den Berg và Markert, 2020; Một hướng công việc tương tự là dự đoán hệ tư tưởng (Liu và cộng sự, 2022) (nếu họ thiên về cánh tả, cánh hữu hoặc trung tâm) hoặc dự đoán lập trường (Baly và cộng sự, 2020) – tức là phát hiện sự phân cực. Mặt khác, công việc của chúng tôi tập trung vào việc tạo ra một bài báo thần kinh từ các bài báo phân cực. Cho rằng sự thiên vị trong việc đóng khung thường xảy ra rất tinh vi, Morstatter et al. (2018) tìm hiểu mô hình định kiến trong một câu và cố gắng tự động phát hiện nó. Một nỗ lực giảm thiểu phổ biến khác là hiển thị nhiều quan điểm một cách tự động (Hamborg và cộng sự, 2017; Park và cộng sự, 2009). Lee và cộng sự. (2022) đã tiến thêm một bước nữa là tạo một bản tóm tắt từ các bài viết phân cực nhằm tự động cung cấp nhiều góc nhìn trong một bản tóm tắt duy nhất. Công việc của chúng tôi phù hợp với tầm nhìn của các công trình trước đó, nhưng chúng tôi tập trung vào cách tổng quát hơn để giảm thiểu sai lệch khung bằng cách nghiên cứu tổn thất giảm thiểu phân cực. Nỗ lực giảm thiểu tự động

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

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

dài quá đọc không nổi

Make resilience your competitive advantage

Giảm thiểu sai lệch đóng khung với tổn thất tối thiểu hóa phân cực: Công việc liên quan

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

240 Stories To Learn About Astounding Stories

179 Stories To Learn About Reading

581 Stories To Learn About Non Fiction

189 Stories To Learn About Reading Books

240 Stories To Learn About Astounding Stories

179 Stories To Learn About Reading

581 Stories To Learn About Non Fiction

189 Stories To Learn About Reading Books

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps