معهد ماساتشوستس للتكنولوجيا: قياس التحيز الإعلامي في وسائل الإعلام الرئيسية باستخدام التعلم الآلي

أجرى بحث من معهد ماساتشوستس للتكنولوجيا استخدام تقنيات التعلم الآلي لتحديد التحيز اللغوي عبر حوالي 100 من أكبر وأكثر وسائل الإعلام تأثيرًا في الولايات المتحدة وخارجها، بما في ذلك 83 من أكثر المنشورات المطبوعة تأثيرًا. إنها جهود بحثية تُظهر الطريق نحو الأنظمة الآلية التي يمكن أن تُصنف تلقائيًا الشخصية السياسية لمنشور ما، وتمنح القراء رؤية أعمق لل立اء الأخلاقي لوسيلة إعلامية حول مواضيع قد يشعرون بال热情 تجاهها.

يركز العمل على كيفية معالجة المواضيع بلغة معينة، مثل المهاجر غير الموثق | المهاجر غير الشرعي، الجنين | الطفل غير المولود، المتظاهرون | الأناركيون.

استخدم المشروع تقنيات معالجة اللغة الطبيعية (NLP) لاستخراج وتصنيف مثل هذه الحالات من اللغة “المحملة” (بافتراض أن المصطلحات الظاهرة أكثر “موضوعية” تمثل أيضًا立اءً سياسيًا) إلى خريطة واسعة تُظهر التحيز اليساري واليميني عبر أكثر من ثلاثة ملايين مقال من حول 100 من وسائل الإعلام، مما يؤدي إلى خريطة قابلة للملاحة للتحيز لوسائل الإعلام المذكورة.

ينشأ الورقة من سامانثا دالونزو وماكس تيجمارك من قسم الفيزياء في معهد ماساتشوستس للتكنولوجيا، ويشير إلى أن عددًا من المبادرات الأخيرة حول “فحص الحقائق”، في أعقاب العديد من فضائح “الأخبار الكاذبة”، يمكن تفسيرها على أنها غير صادقة وخدمة مصالح معينة. يُقصد من المشروع تقديم نهج أكثر داده للدراسة استخدام التحيز ولغة “التأثير” في سياق إعلامي مُفترض أنه محايد.

طيف من العبارات (حرفيًا) من اليسار إلى اليمين، كما استُ导ت من الدراسة. مصدر: https://arxiv.org/pdf/2109.00024.pdf

معالجة اللغة الطبيعية

تم الحصول على بيانات المصدر من الدراسة من قاعدة بيانات Newspaper3K المفتوحة المصدر، وประกอบت من 3,078,624 مقالًا من 100 مصدر إعلامي، بما في ذلك 83 صحيفة. تم اختيار الصحف على أساس نطاقها، في حين شملت مصادر الإعلام عبر الإنترنت مقالات من موقع Defense One للتحليل الإعلامي العسكري، وScience.

المصادر المستخدمة في الدراسة.

تُفيد الورقة بأن النص المُحمل تم معالجته بشكل ضئيل. تم حذف الاقتباسات المباشرة، لأن الدراسة تهتم باللغة التي يختارها الصحفيون (على الرغم من أن اختيار الاقتباسات هو في حد ذاته مجال دراسي مثير للاهتمام).

تم تغيير الإملاء البريطاني إلى الأمريكي لتوحيد القاعدة، وتم إزالة جميع علامات الترقيم، وتم إزالة جميع الأرقام العددية باستثناء الأرقام الترتيبية. تم تحويل التسمية الأولية للجملة إلى الحروف الصغيرة، ولكن تم الاحتفاظ بجميع التسميات الأخرى.

تم تحديد أول 100,000 عبارة شائعة، وتم تصنيفها وترتيبها، وتنقية القائمة من العبارات الزائدة. تم حذف جميع اللغة الزائدة التي يمكن تحديدها (مثل “شارك هذا المقال” و “المقال منشور مرة أخرى”). تم توحيد الاختلافات عبر العبارات المتطابقة بشكل أساسي (مثل “التكنولوجيا الكبيرة” و “التكنولوجيا الكبيرة”، و “الأمن السيبراني” و “أمن السيبرانية”).

‘نخبة القشور’

كان الاختبار الأولي حول موضوع “حياة السود مهمة”، وتمكنت من تمييز التحيز اللغوي والمرادفات القيمية عبر البيانات.

المكونات الرئيسية العامة للمقالات حول حركة Black Lives Matter (BLM). نرى الأشخاص المشاركين في العمل المدني يتم وصفهم، حرفيًا ورمزيًا، من اليسار إلى اليمين، كمتظاهرين، أناركيين، وفي الطرف الأيمن من الطيف، ك “مُشاغبين”. تُظهر اللوحة اليمنى الصحف التي أصلت العبارة.

بينما “المتظاهرون” ينتقلون من “الأناركيين” إلى “المُشاغبين” khi ننتقل沿ًا立اء السياسي لوسيلة الإعلام المعنية، تشير الورقة إلى أن استخراج وتحليل اللغة يتعثر بسبب ممارسة “نخبة القشور” – حيث تقتبس وسيلة إعلامية عبارة تُعتبر صحيحة من قبل قطاع سياسي مختلف في المجتمع، ويمكن (على ما يبدو) الاعتماد على جمهورها ليعتبر العبارة سلبية. تشير الورقة إلى “إلغاء تمويل الشرطة” ك مثال على ذلك.

من الطبيعي أن يعني ذلك أن عبارة “مُتجهة إلى اليسار” تظهر في سياق يميني، وتمثل تحديًا غير عادي لنظام التعلم الآلي الذي يعتمد على العبارات المُرمزة ليعمل كدلالات على 立اء السياسي.

تُسمى مثل هذه العبارات “ثنائية القيمة”، في حين أن عبارات أخرى لها دلالة سلبية عالمية (مثل “الإجهاض”) يتم تمثيلها دائمًا بشكل سلبي عبر وسائل إعلام متنوعة.

كما كشفت الدراسة عن خرائط مماثلة لمواضيع “ساخنة” مثل الإجهاض، الرقابة التكنولوجية، الهجرة الأمريكية، وسيطرة الأسلحة.

هوايات الخيل

هناك بعض الميول السياسية المثيرة للجدل في وسائل الإعلام التي لا تنقسم بشكل متوقع، مثل موضوع الإنفاق العسكري. وجدت الورقة أن CNN “المُتجهة إلى اليسار” انتهت بجانب المراجعة الوطنية واليمينية فوكس نيوز في هذا الموضوع.

بشكل عام، ومع ذلك، يمكن تحديد 立اء السياسي من خلال عبارات أخرى، مثل تفضيل عبارة “المجمع الصناعي العسكري” على “صناعة الدفاع”. تُظهر النتائج أن الأولى تُستخدم من قبل وسائل إعلام ناقدة للمؤسسة مثل Canary وAmerican Conservative، في حين تُستخدم الأخيرة أكثر من قبل فوكس نيوز وCNN.

تُقدم الدراسة عدة تقدمات أخرى من لغة ناقدة للمؤسسة إلى لغة مؤيدة للمؤسسة، بما في ذلك التدرج من “قتل” إلى “القتل”؛ من “سجناء مجرمون” إلى “أشخاص مسجونون”؛ ومن “منتجون نفط” إلى “نفط كبير”.

المرادفات القيمية مع التحيز المؤسسي، من الأعلى إلى الأسفل.

تُقر الدراسة بأن وسائل الإعلام قد “تنتقل بعيدًا” عن 立اءها السياسي الأساسي، إما على مستوى لغوي (مثل استخدام عبارات ثنائية القيمة)، أو لأسباب أخرى. على سبيل المثال، المنشور البريطاني اليميني القديم The Spectator، الذي تأسس في عام 1828، يampilkan أحيانًا مقالات فكرية يسرية تتناقض مع التيار السياسي العام لمحتوى التدفق. سواء كان هذا يتم لضمان تقارير محايدة أو لإثارة جمهوره الأساسي في عواصف تعليقات مولدة للحركة، فهذا موضوع للتكهن – وليس حالة سهلة لمظام التعلم الآلي الذي يبحث عن رموز واضحة ومستمرة.

تُؤدي هذه “هوايات الخيل” والاستخدام الغامض لمنظورات “مُزعجة” بين وسائل الإعلام الفردية إلى بعض الارتباك في خريطة اليسار واليمين التي تقدمها الدراسة، مع تقديم إشارة عامة إلى الانتماء السياسي.

أهمية محجوزة

على الرغم من تاريخه في 2 سبتمبر ونشره في نهاية أغسطس 2021، فإن الورقة حصلت على القليل من الاهتمام. قد يكون هذا جزئيًا بسبب أن البحث النقدي الموجه إلى وسائل الإعلام الرئيسية غير محتمل أن يتم استقباله بحماس من قبلها؛ ولكن قد يكون أيضًا بسبب تردد المؤلفين في إنتاج رسومات واضحة وغامرة تُصنف حيث تقف المنشورات الإعلامية المؤثرة والقوية على قضايا مختلفة، جنبًا إلى جنب مع قيم مجتمعة تُظهر مدى انحياز منشور ما إلى اليسار أو اليمين. في الواقع، يبدو أن المؤلفين يتخذون خطوات لتهدئة التأثير المحتمل للنتائج.

كما تُظهر البيانات المنشورة الواسعة من المشروع ترددات حدوث كلمات، ولكن يبدو أنها مجهولة المصدر، مما يجعل من الصعب الحصول على صورة واضحة للتحيز الإعلامي عبر المنشورات المُدرجة. بدون تشغيل المشروع بطريقة ما، يبقى فقط الأمثلة المختارة المُقدمة في الورقة.

دراسات لاحقة من هذا النوع قد تكون أكثر فائدة إذا كانت تأخذ في الاعتبار ليس فقط العبارات المستخدمة لمواضيع معينة، ولكن أيضًا ما إذا تم تغطية الموضوع في المقام الأول، لأن السكوت يتحدث بصوت عال، وله طابع سياسي متميز غالبًا ما يتحدث عن أكثر من مجرد قيود مالية أو عوامل عملية قد تؤثر على اختيار الأخبار.

مع ذلك، يبدو أن دراسة معهد ماساتشوستس للتكنولوجيا هي أكبر دراسة من نوعها حتى الآن، ويمكن أن تشكل الإطار لمنظومات تصنيف未来، وحتى تكنولوجيا ثانوية مثل إضافات المتصفح التي قد تنبه القراء العاديين إلى لون سياسي المنشور الذي يقرأونه حاليًا.

فقاعات، تحيز، وانتقاد

بالإضافة إلى ذلك، يجب أن يُؤخذ في الاعتبار ما إذا كانت مثل هذه الأنظمة سوف تزيد من أحد الجوانب الأكثر جدلاً لأنظمة التوصية الخوارزمية – وهي النزعة إلى إخراج المشاهد إلى بيئات حيث لن يروا وجهة نظر متناقضة أو تحديًا، وهو ما قد يؤدي إلى تعزيز موقف القارئ حول القضايا الأساسية.

سواء كانت مثل هذه “فقاعة المحتوى” بيئة “آمنة”، أو عائقًا لنمو الفكر، أو حماية ضد الدعاية الجزئية، هو حكم قيمة – وهو أمر فلسفي يصعب 접근ه من وجهة نظر ميكانيكية وإحصائية لأنظمة التعلم الآلي.

علاوة على ذلك، تمامًا كما بذلت دراسة معهد ماساتشوستس للتكنولوجيا جهدًا لترك البيانات لتحديد النتائج، فإن تصنيف القيمة السياسية للعبارات هو في حد ذاته نوع من أحكام القيمة، وهو ما لا يمكن أن يتحمل بسهولة قدرة اللغة على إعادة ترميز المحتوى السام أو المثير للجدل إلى عبارات جديدة ليست في الدليل أو قواعد المنتدى أو قاعدة بيانات التدريب.

إذا أصبحت مثل هذه الترميزات جزءًا من الأنظمة الشائعة عبر الإنترنت، فمن المحتمل أن يتحول الجهد المستمر لتحديد درجة الحرارة الأخلاقية والسياسية لوسائل الإعلام الرئيسية إلى حرب باردة بين قدرة الذكاء الاصطناعي على اكتشاف التحيز ووسائل الإعلام لتعبير عن موقفها بلهجة متطورة مصممة لتفوق فهم التعلم الآلي للсемантиات بانتظام.

14/09/21 – 1.41 GMT+2 – تم تغيير ‘100 صحيفة’ إلى ‘100 منفذ إعلامي’
4:58pm – تم تصحيح اقتباس الورقة ليشمل سامانثا دالونزو، والتصحيحات ذات الصلة.