Sudut Anderson
MIT: Mengukur Bias Media di Berbagai Outlet Berita Utama dengan Machine Learning
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Sebuah studi dari MIT telah menggunakan teknik machine learning untuk mengidentifikasi kalimat bermuatan dalam sekitar 100 outlet berita terbesar dan paling berpengaruh di AS dan di luar negeri, termasuk 83 publikasi cetak berita paling berpengaruh. Ini adalah upaya penelitian yang menunjukkan cara menuju sistem otomatis yang dapat memotong karakteristik politik sebuah publikasi, dan memberikan pembaca wawasan yang lebih dalam tentang posisi etis sebuah outlet pada topik yang mungkin mereka rasakan dengan kuat.
Studi ini berfokus pada cara topik ditangani dengan kalimat tertentu, seperti imigran tanpa dokumen | imigran ilegal, janin | bayi yang belum lahir, pengunjuk rasa | anarkis.
Proyek ini menggunakan teknik Natural Language Processing (NLP) untuk mengekstrak dan mengklasifikasikan contoh-contoh bahasa “terisi” (dengan asumsi bahwa istilah yang tampaknya lebih “netral” juga mewakili posisi politik) ke dalam peta yang luas yang mengungkapkan bias kiri dan kanan di lebih dari tiga juta artikel dari sekitar 100 outlet berita, menghasilkan peta bias yang dapat dinavigasi dari publikasi yang dipertanyakan.
Makalah ini berasal dari Samantha D’Alonzo dan Max Tegmark di Departemen Fisika MIT, dan mengamati bahwa beberapa inisiatif baru-baru ini sekitar ‘pemeriksaan fakta’, setelah skandal ‘berita palsu’ yang banyak, dapat diartikan sebagai tidak jujur dan melayani kepentingan tertentu. Proyek ini bertujuan untuk memberikan pendekatan yang lebih berbasis data untuk mempelajari penggunaan bias dan ‘pengaruh’ bahasa dalam konteks berita yang seharusnya netral.
Spektrum (secara harfiah) kalimat kiri-kanan, seperti yang diperoleh dari studi. Sumber: https://arxiv.org/pdf/2109.00024.pdf
Pengolahan NLP
Data sumber dari studi ini diperoleh dari basis data Newspaper3K sumber terbuka, dan terdiri dari 3.078.624 artikel yang diperoleh dari 100 sumber berita, termasuk 83 surat kabar. Surat kabar dipilih berdasarkan jangkauannya, sedangkan sumber berita online juga termasuk artikel dari situs analisis berita militer Defense One, dan Science.
Sumber yang digunakan dalam studi.
Makalah tersebut melaporkan bahwa teks yang diunduh telah ‘minimal’ diproses sebelumnya. Kutipan langsung dihilangkan, karena studi ini tertarik pada bahasa yang dipilih oleh jurnalis (meskipun pemilihan kutipan adalah bidang studi yang menarik juga).
Ejaan Inggris diubah menjadi ejaan Amerika untuk memstandarisasi basis data, semua tanda baca dihilangkan, dan semua kecuali angka ordinal juga dihilangkan. Kapitalisasi kalimat awal diubah menjadi huruf kecil, tetapi semua kapitalisasi lainnya dipertahankan.
100.000 frasa paling umum diidentifikasi, dan akhirnya diberi peringkat, dibersihkan, dan digabungkan menjadi daftar frasa. Semua bahasa yang berlebihan yang dapat diidentifikasi (seperti ‘Bagikan artikel ini’ dan ‘artikel diterbitkan kembali’) juga dihapus. Variasi di seluruh frasa yang pada dasarnya identik (yaitu ‘teknologi besar’ dan ‘Big Tech’, ‘keamanan siber’ dan ‘cyber security’) distandarisasi.
‘Nutpicking’
Tes awal dilakukan pada topik ‘Hidup Hitam Berharga’, dan dapat membedakan bias frasa dan sinonim valent di seluruh data.
Sementara ‘pengunjuk rasa’ berpindah dari ‘anarkis’ ke ‘perusuh’ ketika kita bergeser sepanjang posisi politik outlet yang bersangkutan, makalah tersebut mencatat bahwa ekstraksi dan analisis NLP terhambat oleh praktik ‘nutpicking’ – di mana sebuah outlet berita akan mengutip frasa yang dianggap valid oleh segmen masyarakat yang berbeda, dan dapat (secara tampak) mengandalkan pembacaannya untuk melihat frasa tersebut secara negatif. Makalah tersebut mengutip ‘menghabiskan anggaran polisi’ sebagai contoh ini.
Secara alami, ini berarti bahwa sebuah frasa ‘kiri-berat’ muncul dalam konteks kanan-sayap, dan mewakili tantangan yang tidak biasa bagi sistem NLP yang mengandalkan frasa yang dikodekan sebagai penanda untuk posisi politik.
Frasa-frasa tersebut adalah ‘bivalen’ [SIC], sedangkan beberapa frasa lain memiliki konotasi negatif yang universal (yaitu ‘pembunuhan bayi’) sehingga selalu diwakili sebagai negatif di seluruh outlet.
Penelitian ini juga mengungkapkan pemetaan serupa untuk topik ‘panas’ seperti aborsi, sensor teknologi, imigrasi AS, dan kontrol senjata.
Hobby Kuda
Terdapat beberapa kecenderungan politik kontroversial dalam outlet berita yang tidak terbagi secara prediktif dengan cara ini, seperti topik pengeluaran militer. Makalah tersebut menemukan bahwa ‘kiri-berat’ CNN berakhir di sebelah kanan-berat National Review dan Fox News pada subjek ini.
Secara umum, bagaimanapun, posisi politik dapat ditentukan oleh frasa lain, seperti memilih frasa ‘kompleks industri militer’ daripada ‘industri pertahanan’ yang lebih kanan-sayap. Hasilnya menunjukkan bahwa yang pertama digunakan oleh outlet yang kritis terhadap lembaga, seperti Canary dan American Conservative, sedangkan yang terakhir digunakan lebih sering oleh Fox dan CNN.
Penelitian ini membangun beberapa progresi lain dari bahasa kritis lembaga ke bahasa pro-lembaga, termasuk rentang dari ‘ditembak mati’ ke ‘pembunuhan’; ‘narapidana’ ke ‘orang yang dipenjara’; dan ‘produsen minyak’ ke ‘minyak besar’.
Sinonim valent dengan bias lembaga, atas ke bawah.
Penelitian ini mengakui bahwa outlet akan ‘menghindar’ dari posisi politik dasar mereka, baik pada tingkat linguistik (seperti penggunaan frasa bivalen), atau untuk motif lain. Misalnya, publikasi kanan-sayap Inggris yang terhormat The Spectator, yang didirikan pada tahun 1828, sering dan terutama menampilkan pemikiran kiri-sayap yang menggosok terhadap aliran politik umum kontennya. Apakah ini dilakukan karena laporan yang tidak memihak atau untuk secara berkala memicu pembaca inti mereka menjadi badai komentar yang menghasilkan lalu lintas adalah masalah dugaan – dan bukan kasus yang mudah bagi sistem pembelajaran mesin yang mencari token yang jelas dan konsisten.
‘Kuda hobi’ dan penggunaan ‘pandangan yang mengganggu’ yang samar ini di antara organisasi berita individu sedikit membingungkan peta kiri-kanan yang penelitian ini akhirnya tawarkan, meskipun memberikan indikasi yang luas tentang afiliasi politik.
Signifikansi yang Denganheld
Meskipun diterbitkan pada tanggal 2 September dan dipublikasikan pada akhir Agustus 2021, makalah ini telah mendapatkan sedikit perhatian. Sebagian ini mungkin karena penelitian kritis yang ditujukan pada media arus utama tidak mungkin diterima dengan antusias oleh mereka; tetapi ini juga mungkin karena keraguan penulis untuk menghasilkan grafik yang jelas dan tidak ambigu yang membagi di mana publikasi media yang berpengaruh dan kuat berdiri pada berbagai masalah, bersama dengan nilai agregat yang menunjukkan seberapa besar sebuah publikasi condong ke kiri atau ke kanan. Secara efektif, penulis tampaknya mengambil langkah-langkah untuk meredam efek yang berpotensi menyala dari hasilnya.
Demikian pula, data yang luas yang diterbitkan dari proyek ini menunjukkan hitungan frekuensi insiden kata-kata, tetapi tampaknya telah dianonimkan, sehingga sulit untuk mendapatkan gambaran yang jelas tentang bias media di seluruh publikasi yang dipelajari. Tanpa mengoperasikan proyek ini dengan cara tertentu, ini hanya meninggalkan contoh yang dipilih yang disajikan dalam makalah.
Studi lanjutan dari jenis ini mungkin akan lebih berguna jika mereka mempertimbangkan tidak hanya frasa yang digunakan untuk topik, tetapi apakah topik tersebut diliput sama sekali, karena kebisuan berbicara dengan volume, dan memiliki karakter politik yang berbeda yang sering berbicara lebih dari sekadar keterbatasan anggaran atau faktor pragmatis lain yang mungkin memandu pemilihan berita.
Namun, studi MIT ini tampaknya merupakan yang terbesar dari jenisnya hingga saat ini, dan dapat membentuk kerangka untuk sistem klasifikasi di masa depan, dan bahkan teknologi sekunder seperti plug-in browser yang mungkin memperingatkan pembaca kasual tentang warna politik publikasi yang mereka baca saat ini.
Gelembung, Bias, dan Blowback
Selain itu, perlu dipertimbangkan apakah sistem seperti itu akan lebih memperburuk salah satu aspek paling kontroversial dari sistem rekomendasi algoritmik – kecenderungan untuk memimpin seorang pemirsa ke lingkungan di mana mereka tidak pernah melihat pandangan yang berbeda atau menantang, yang kemungkinan akan lebih memperkuat posisi pembaca pada masalah inti.
Apakah gelembung konten seperti itu merupakan ‘lingkungan yang aman’, hambatan bagi pertumbuhan intelektual, atau perlindungan terhadap propaganda sebagian, adalah pertimbangan nilai – masalah filosofis yang sulit didekati dari sudut pandang sistem pembelajaran mesin yang mekanis dan statistik.
Lebih lanjut, sama seperti studi MIT telah berusaha untuk membiarkan data mendefinisikan hasilnya, pengklasifikasian nilai politik frasa secara tidak terhindarkan juga merupakan jenis pertimbangan nilai, dan yang tidak dapat dengan mudah bertahan dari kemampuan bahasa untuk mengkodekan kembali konten yang beracun atau kontroversial menjadi frasa baru yang tidak ada dalam buku pegangan, aturan forum, atau basis data pelatihan.
Jika kodifikasi seperti itu menjadi terintegrasi dalam sistem online populer, tampaknya upaya berkelanjutan untuk memetakan suhu etis dan politik dari outlet berita utama dapat berkembang menjadi perang dingin antara kemampuan AI untuk mendeteksi bias dan kemampuan penerbit untuk mengekspresikan posisi mereka dalam idiom yang berkembang yang dirancang untuk secara teratur mengungguli pemahaman mesin pembelajaran tentang semantik.
14/09/21 – 1.41 GMT+2 – Diubah ‘100 surat kabar’ menjadi ‘100 outlet berita’
4:58pm – Koreksi kutipan makalah untuk memasukkan Samantha D’Alonzo, dan koreksi terkait.
