एमआईटी: मशीन लर्निंग के साथ प्रमुख समाचार आउटलेट्स में मीडिया पूर्वाग्रह को मापना

एमआईटी से एक अध्ययन ने मशीन लर्निंग तकनीकों का उपयोग करके लगभग 100 सबसे बड़े और सबसे प्रभावशाली समाचार आउटलेट्स में पूर्वाग्रहपूर्ण भाषा की पहचान करने के लिए किया है, जिसमें 83 सबसे प्रभावशाली प्रिंट समाचार प्रकाशन शामिल हैं। यह एक शोध प्रयास है जो स्वचालित प्रणालियों के लिए एक तरीका दिखाता है जो संभावित रूप से एक प्रकाशन के राजनीतिक चरित्र को स्वचालित रूप से वर्गीकृत कर सकता है, और पाठकों को उन विषयों पर एक गहरी अंतर्दृष्टि प्रदान कर सकता है जिनके बारे में वे जुनूनी हो सकते हैं।

काम विशिष्ट भाषा के साथ विषयों के पते पर केंद्रित है, जैसे कि अवैध अप्रवासी | अवैध अप्रवासी, भ्रूण | अजन्मा बच्चा, प्रदर्शनकारी | अराजकतावादी।

परियोजना ने प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तकनीकों का उपयोग करके ऐसे ‘चार्ज’ भाषा के उदाहरणों को निकाला और वर्गीकृत किया, जो एक व्यापक मानचित्र में परिणत होता है जो 100 समाचार आउटलेट्स से तीन मिलियन से अधिक लेखों में बाएं और दाएं झुकाव वाले पूर्वाग्रह को प्रकट करता है, जिसके परिणामस्वरूप प्रकाशनों का एक नेविगेबल पूर्वाग्रह परिदृश्य होता है।

यह कागज एमआईटी के भौतिकी विभाग के सामांथा डी’अलोंजो और मैक्स टेगमार्क से आता है, और यह देखता है कि ‘फैक्ट-चेकिंग’ के आसपास कई हालिया पहल, कई ‘फेक न्यूज’ घोटालों के मद्देनजर, विशिष्ट हितों की सेवा करने वाले और अनुचित के रूप में व्याख्या की जा सकती है। परियोजना का उद्देश्य एक अधिक डेटा-संचालित दृष्टिकोण प्रदान करना है जो एक कथित तटस्थ समाचार संदर्भ में पूर्वाग्रह और ‘प्रभाव’ भाषा के उपयोग का अध्ययन करता है।

अध्ययन से व्युत्पन्न (साहित्यिक रूप से) बाएं से दाएं वाक्यांशों का एक स्पेक्ट्रम। स्रोत: https://arxiv.org/pdf/2109.00024.pdf

एनएलपी प्रोसेसिंग

अध्ययन के लिए स्रोत डेटा खुले स्रोत न्यूज़पेपर3के डेटाबेस से प्राप्त किया गया था, और 100 मीडिया समाचार स्रोतों से 3,078,624 लेख शामिल थे, जिनमें 83 समाचार पत्र शामिल थे। समाचार पत्रों का चयन उनकी पहुंच के आधार पर किया गया था, जबकि ऑनलाइन मीडिया स्रोतों में सैन्य समाचार विश्लेषण साइट डिफेंस वन और साइंस के लेख भी शामिल थे।

अध्ययन में उपयोग किए गए स्रोत।

कागज़ में बताया गया है कि डाउनलोड किया गया पाठ ‘न्यूनतम’ पूर्व-प्रसंस्करण किया गया था। सीधे उद्धरणों को समाप्त कर दिया गया था, क्योंकि अध्ययन पत्रकारों द्वारा चुनी गई भाषा में रुचि रखता है (हालांकि उद्धरण चयन स्वयं एक रोचक अध्ययन का क्षेत्र है)।

ब्रिटिश वर्तनी को मानकीकरण के लिए अमेरिकी में बदल दिया गया था, सभी विराम चिह्नों को हटा दिया गया था, और सभी को छोड़कर क्रमिक संख्याएं भी हटा दी गईं। प्रारंभिक वाक्य पूंजीकरण को निम्नलिखित में परिवर्तित कर दिया गया था, लेकिन सभी अन्य पूंजीकरण बनाए रखा गया था।

पहले 100,000 सबसे आम वाक्यांशों की पहचान की गई, और अंत में रैंक, शुद्ध और मerged into एक वाक्यांश सूची में किया गया था। सभी अतिरिक्त भाषा जो पहचानी जा सकती थी (जैसे ‘इस लेख को साझा करें’ और ‘लेख पुनः प्रकाशित’) को भी हटा दिया गया था। वाक्यांशों में भिन्नताएं जो मूल रूप से समान थीं (जैसे ‘बिग टेक’ और ‘बिग टेक’, ‘साइबर सुरक्षा’ और ‘साइबर सुरक्षा’) को मानकीकृत किया गया था।

‘नटपिकिंग’

प्रारंभिक परीक्षण ‘ब्लैक लाइव्स मैटर’ विषय पर था, और डेटा में वाक्यांश पूर्वाग्रह और वैलेंट सिनोनिम्स का पता लगाने में सक्षम था।

ब्लैक लाइव्स मैटर (बीएलएम) के बारे में लेखों के लिए सामान्यीकृत मुख्य घटक। हम देखते हैं कि नागरिक कार्रवाई में भाग लेने वाले लोगों को साहित्यिक रूप से बाएं से दाएं, प्रदर्शनकारियों, अराजकतावादियों और सबसे दूर के स्पेक्ट्रम में ‘दंगाइयों’ के रूप में वर्णित किया जाता है। दाएं पैनल में वाक्यांश को उत्पन्न करने वाले समाचार पत्रों का प्रतिनिधित्व किया जाता है।

जबकि ‘प्रदर्शनकारी’ ‘अराजकतावादियों’ से ‘दंगाइयों’ तक पारित होते हैं क्योंकि हम आउटलेट के राजनीतिक रुख के साथ जाते हैं, कागज़ यह नोट करता है कि एनएलपी निष्कर्षण और विश्लेषण की स्थिति ‘नटपिकिंग’ के अभ्यास से बाधित होती है – जहां एक मीडिया आउटलेट एक वाक्यांश को उद्धृत करता है जो समाज के एक अलग राजनीतिक खंड द्वारा मान्य माना जाता है, और (अचानक) अपने पाठकों पर नकारात्मक दृष्टिकोण से देखने की उम्मीद कर सकता है। कागज़ ‘पुलिस को वित्त देने’ का उदाहरण देता है।

स्वाभाविक रूप से, इसका मतलब है कि एक ‘बाएं-झुकाव’ वाक्यांश एक अन्यथा दाएं-पंख वाले संदर्भ में दिखाई देता है, और एक एनएलपी प्रणाली के लिए एक असामान्य चुनौती का प्रतिनिधित्व करता है जो राजनीतिक रुख के संकेतक के रूप में संकेतित वाक्यांशों पर भरोसा कर रही है।

ऐसे वाक्यांश ‘द्वि-मूल्य’ [एसआईसी] हैं, जबकि कुछ अन्य वाक्यांशों में एक सार्वभौमिक रूप से नकारात्मक अर्थ (जैसे ‘बाल हत्या’) है जो उन्हें एक विस्तृत आउटलेट श्रृंखला में नकारात्मक के रूप में प्रस्तुत करता है।

शोध में ‘अभॉर्शन’, ‘टेक सेंसरशिप’, ‘यूएस इमिग्रेशन’ और ‘गन कंट्रोल’ जैसे ‘गर्म’ विषयों के लिए समान मappings भी प्रकट होते हैं।

शौक के घोड़े

कुछ विवादास्पद राजनीतिक झुकाव हैं जो मीडिया आउटलेट्स में इस तरह से नहीं टूटते हैं, जैसे कि सैन्य खर्चे का विषय। कागज़ में पाया गया कि ‘बाएं-झुकाव’ सीएनएन इस विषय पर दाएं-झुकाव वाले नेशनल रिव्यू और फॉक्स न्यूज़ के बगल में समाप्त हो गया।

一般 रूप से, हालांकि, राजनीतिक रुख को अन्य वाक्यांशों द्वारा निर्धारित किया जा सकता है, जैसे कि ‘सैन्य-उद्योग परिसर’ के बजाय ‘रक्षा उद्योग’ वाक्यांश को पसंद करना। परिणाम यह दिखाते हैं कि पूर्व का उपयोग स्थापना-संवेदनशील आउटलेट्स जैसे कैनरी और अमेरिकन कंजर्वेटिव द्वारा किया जाता है, जबकि बाद वाले का उपयोग फॉक्स और सीएनएन द्वारा अधिक बार किया जाता है।

शोध कई अन्य प्रगति स्थापित करता है, जिसमें ‘मारे गए’ से ‘हत्या’ तक की प्रगति शामिल है; ‘कैदी अपराधी’ से ‘कारावास में बंद लोग’; और ‘तेल उत्पादकों’ से ‘बिग ऑयल’।

स्थापना पूर्वाग्रह के साथ वैलेंट सिनोनिम्स, ऊपर से नीचे तक।

शोध स्वीकार करता है कि आउटलेट्स अपने आधार राजनीतिक रुख से ‘दूर’ जा सकते हैं, या तो भाषाई स्तर पर (जैसे द्वि-मूल्य वाक्यांशों का उपयोग), या विभिन्न अन्य प्रेरणाओं के लिए। उदाहरण के लिए, वenerable दाएं-पंख वाले यूके प्रकाशन द स्पेक्टेटर, जो 1828 में स्थापित किया गया था, अक्सर और प्रमुखता से बाएं-पंख वाले विचार टुकड़े प्रस्तुत करता है जो इसकी सामग्री प्रवाह के सामान्य राजनीतिक प्रवाह के खिलाफ घिसते हैं। यह क्या निष्पक्ष रिपोर्टिंग की भावना से किया जाता है या इसके मूल पाठकों को आवाज़-उत्पन्न करने वाले टिप्पणी तूफान में आवाज़ देने के लिए करने के लिए एक मामला है – और एक मशीन लर्निंग प्रणाली के लिए एक आसान मामला नहीं है जो स्पष्ट और सुसंगत टोकन की तलाश में है।

इन विशिष्ट ‘शौक के घोड़ों’ और व्यक्तिगत समाचार संगठनों के बीच ‘जarring’ दृष्टिकोण का उपयोग कुछ हद तक शोध द्वारा अंततः प्रस्तुत किए गए बाएं-दाएं मानचित्र को भ्रमित करता है, हालांकि एक व्यापक राजनीतिक संबद्धता का संकेत देता है।

वापस रखा महत्व

हालांकि 2 सितंबर को दिनांकित और अगस्त 2021 के अंत में प्रकाशित, कागज़ ने अपेक्षाकृत कम ध्यान आकर्षित किया है। आंशिक रूप से यह इसलिए हो सकता है क्योंकि मुख्यधारा मीडिया पर निर्देशित महत्वपूर्ण शोध को मुख्यधारा मीडिया द्वारा उत्साहपूर्वक प्राप्त नहीं किया जा सकता है; लेकिन यह भी इसलिए हो सकता है क्योंकि लेखकों ने स्पष्ट और अस्पष्ट ग्राफ़ तैयार करने में अनिच्छा दिखाई है जो प्रभावशाली और शक्तिशाली मीडिया प्रकाशनों को विभिन्न मुद्दों पर कहां खड़ा है, साथ ही साथ एक प्रकाशन के बाएं या दाएं की ओर झुकाव की程度 को दर्शाने वाले संक्षिप्त मूल्य। प्रभावी रूप से, लेखक परिणामों के संभावित आग लगाने वाले प्रभाव को कम करने के लिए प्रयास करते हैं।

परियोजना से प्रकाशित व्यापक डेटा शब्दों की घटनाओं की आवृत्ति गिनती दिखाता है, लेकिन लगता है कि यह गुमनाम है, जिससे अध्ययन किए गए प्रकाशनों में मीडिया पूर्वाग्रह की स्पष्ट तस्वीर प्राप्त करना मुश्किल हो जाता है। परियोजना को किसी तरह से संचालित किए बिना, यह केवल कागज़ में प्रस्तुत चयनित उदाहरणों को छोड़ देता है।

इस प्रकार के बाद के अध्ययनों में संभवतः यह अधिक उपयोगी होगा कि वे न केवल विषयों के लिए उपयोग की जाने वाली भाषा पर विचार करें, बल्कि यह भी कि क्या विषय को कवर किया गया था, क्योंकि मौन बोलता है, और इसका एक विशिष्ट राजनीतिक चरित्र है जो अक्सर केवल बजटीय सीमाओं या समाचार चयन को सूचित करने वाले अन्य व्यावहारिक कारकों से अधिक बोलता है।

हालांकि, एमआईटी अध्ययन इस प्रकार का सबसे बड़ा लगता है, और यह भविष्य के वर्गीकरण प्रणालियों के लिए एक फ्रेमवर्क बन सकता है, और यहां तक कि ब्राउज़र प्लग-इन जैसे द्वितीयक प्रौद्योगिकियों के लिए भी जो एक पाठक को वर्तमान में पढ़ रहे प्रकाशन के राजनीतिक रंग के बारे में सचेत कर सकते हैं।

बुलबुले, पूर्वाग्रह और प्रतिक्रिया

इसके अलावा, यह विचार किया जाना चाहिए कि क्या ऐसी प्रणालियां एक एल्गोरिदमिक सिफारिश प्रणालियों के सबसे विवादास्पद पहलुओं में से एक को और बढ़ा देंगी – एक दृष्टिकोण के विपरीत दृष्टिकोण को कभी नहीं देखने वाले वातावरण में एक दर्शक को ले जाने की प्रवृत्ति।

क्या ऐसा सामग्री बुलबुला एक ‘सुरक्षित वातावरण’ है, बौद्धिक विकास के लिए एक बाधा, या आंशिक प्रचार के खिलाफ सुरक्षा है, एक मूल्य निर्णय है – एक दार्शनिक मामला जो मशीन लर्निंग प्रणालियों के यांत्रिक, सांख्यिकीय दृष्टिकोण से दृष्टिकोण करना मुश्किल है।

इसके अलावा, जैसा कि एमआईटी अध्ययन ने डेटा को परिणामों को परिभाषित करने देने के लिए प्रयास किया है, वाक्यांशों के राजनीतिक मूल्य का वर्गीकरण करना भी एक प्रकार का मूल्य निर्णय है, जो भाषा की क्षमता के लिए आसानी से प्रतिरोधी नहीं हो सकता है विषाक्त या विवादास्पद सामग्री को नए वाक्यांशों में पुनः कोड करने के लिए जो हैंडबुक, फोरम नियमों या प्रशिक्षण डेटाबेस में नहीं हैं।

यदि इस प्रकार का कोडीकरण लोकप्रिय ऑनलाइन प्रणालियों में निहित हो जाता है, तो यह संभावना है कि प्रमुख समाचार आउटलेट्स के नैतिक और राजनीतिक तापमान को मैप करने के लिए एक निरंतर प्रयास विकसित हो सकता है जो एक ठंडे युद्ध में विकसित हो सकता है जो कि एआई की पूर्वाग्रह को पहचानने की क्षमता और प्रकाशकों की अपने दृष्टिकोण को व्यक्त करने की क्षमता के बीच है एक विकसित भाषा में जो मशीन लर्निंग की सेमांटिक्स की समझ को नियमित रूप से पार कर जाती है।

14/09/21 – 1.41 जीएमटी + 2 – ‘100 समाचार पत्र’ को ‘100 समाचार आउटलेट्स’ में बदल दिया गया
4:58 pm – कागज़ उद्धरण में सामांथा डी’अलोंजो को शामिल करने और संबंधित सुधारों के लिए सुधार किया गया।