MIT: การวัดความเอนเอียงของสื่อในสำนักข่าวหลักด้วย Machine Learning

การศึกษาจาก MIT ได้ใช้เทคนิค Machine Learning เพื่อระบุภาษาที่มีความเอนเอียงในสำนักข่าวที่มีอิทธิพลมากที่สุดใน美国และทั่วโลก รวมถึง 83 สำนักข่าวที่มีอิทธิพลมากที่สุด การวิจัยนี้แสดงให้เห็นถึงแนวทางในการสร้างระบบอัตโนมัติที่สามารถจัดประเภทลักษณะทางการเมืองของสำนักข่าวได้ และให้ผู้อ่านมีความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับจุดยืนของสำนักข่าวในเรื่องที่พวกเขารู้สึกผ่านมาก

การวิจัยนี้มุ่งเน้นไปที่วิธีการที่หัวข้อถูกกล่าวถึงด้วยภาษาที่เฉพาะเจาะจง เช่น ผู้อพยพที่ไม่มีเอกสาร | ผู้อพยพที่ไม่合法, ทารก | ทารกที่ยังไม่เกิด, ผู้ประท้วง | ผู้ก่อความวุ่นวาย

โครงการนี้ใช้เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) เพื่อแยกและจัดประเภทตัวอย่างของ ‘ภาษาที่มีพลัง’ (โดยสมมติว่าคำที่ดูเป็นกลางยิ่งๆ ก็ยังแสดงถึงจุดยืนทางการเมือง) เข้าไปในแผนที่ที่กว้างขวางซึ่งแสดงถึงความเอนเอียงทางซ้ายและขวาในสำนักข่าวต่างๆ โดยใช้ข้อมูลจากกว่า 3 ล้านบทความจากสำนักข่าวมากกว่า 100 สำนัก ซึ่งนำไปสู่การสร้าง ภูมิทัศน์ของความเอนเอียง ของสำนักข่าวที่เกี่ยวข้อง

บทความ นี้มาจาก Samantha D’Alonzo และ Max Tegmark จากภาควิชาฟิสิกส์ของ MIT และสังเกตว่าโครงการต่างๆ ที่เกี่ยวข้องกับการ ‘ตรวจสอบข้อเท็จจริง’ ในช่วงหลังของ ‘ข่าวปลอม’ อาจถูก ตีความว่าเป็นการไม่ซื่อสัตย์ และรับใช้ผลประโยชน์ของกลุ่มใดกลุ่มหนึ่ง การวิจัยนี้มีจุดมุ่งหมายเพื่อให้แนวทางที่ขึ้นอยู่กับข้อมูลมากขึ้นในการศึกษาการใช้ภาษาที่มีความเอนเอียงและ ‘การมีอิทธิพล’ ในบริบทข่าวที่เป็นกลาง

… (rest of the content remains the same, following the exact same structure and translation rules)