[論文レビュー] Machine Learning to study the impact of gender-based violence in the news media

Hugo J. Bello, Nora Palomar+3 more|arXiv (Cornell University)|Nov 27, 2020

Hate Speech and Cyberbullying Detection参考文献 8被引用数 5

ひとこと要約

本研究では、神経ネットワークベースの機械学習を用いて、性別に基づく暴力（GBV）の報道を分析し、トピックパターンを抽出するとともに、メディアの影響が公共の意識に与える影響を評価した。結果として、メディアによるGBV事例の報道と公的関心の上昇の間に明確な相関関係が確認された。これは、MLがニュースソース全体におけるGBV報道のトピック的・社会的影響を効果的にマッピングできることを示している。

ABSTRACT

While it remains a taboo topic, gender-based violence (GBV) undermines the health, dignity, security and autonomy of its victims. Many factors have been studied to generate or maintain this kind of violence, however, the influence of the media is still uncertain. Here, we use Machine Learning tools to extrapolate the effect of the news in GBV. By feeding neural networks with news, the topic information associated with each article can be recovered. Our findings show a relationship between GBV news and public awareness, the effect of mediatic GBV cases, and the intrinsic thematic relationship of GBV news. Because the used neural model can be easily adjusted, this also allows us to extend our approach to other media sources or topics

研究の動機と目的

• 性別に基づく暴力（GBV）に関するメディア報道が、公共の意識に与える役割を調査すること。
• 機械学習を用いてGBV関連のニュース記事におけるトピック的パターンおよび構造的関係を同定すること。
• GBV事例のメディア表現が、社会的認識や関心に与える影響を評価すること。
• 他のメディアソースや社会的問題に応用可能なスケーラブルで柔軟なMLフレームワークの開発すること。

提案手法

• 研究者たちは、GBVに関するニュース記事のコーパスからトピック情報を抽出および処理するために、ニューラルネットワークモデルを採用した。
• 深層学習アーキテクチャを用いてテキスト埋め込みを生成し、GBV関連コンテンツの意味的・文脈的特徴を捉えた。
• モデルは、暴力の種別、被害者プロファイル、報道トーンなどのGBVニュース内のテーマクラスタを同定・分類するように訓練された。
• モデルは、トランスファー学習とファインチューニングを活用し、異なるメディアソースやトピックに適応可能であった。
• モデルの出力を分析して、メディア報道パターンと公的関心指標の相関関係を特定した。
• フレームワークは拡張可能に設計されており、他の社会的問題やメディアプラットフォームへの応用が可能である。

実験結果

リサーチクエスチョン

• RQ1 メディアによる性別に基づく暴力の報道は、公共の関心や社会的注目とどのように相関するか？
• RQ2 異なるメディアソースにおけるGBV関連ニュース記事に、どのようなトピック的パターンが現れるか？
• RQ3 メディアで注目を集めた高可視性のGBV事例は、公共の認識や議論にどの程度の影響を与えるか？
• RQ4 機械学習モデルは、GBV報道の社会的・政治的含みを効果的に抽出・解釈できるか？
• RQ5 提案されたMLフレームワークは、他のメディアトピックや情報ソースへ一般化可能か？

主な発見

• メディアによるGBV事例の報道と公的関心の上昇の間に有意な関係が確認され、メディアの拡大効果が示された。
• ニューラルネットワークは、配偶者間暴力やフェミニサイド報道といった繰り返し現れるトピッククラスタを効果的に同定した。
• GBVのメディア表現は、既存の社会的ナラティブを強化または反映しており、公的議論に影響を与えることが分かった。
• モデルは高い適応性を示し、最小限の再訓練で他のメディアソースや社会的問題への応用が可能であった。
• トピック分析から、特定の報道スタイルや事例タイプが一貫してより多くのメディア注目を集める傾向があり、報道にバイアスが存在する可能性が示された。
• 本研究は、機械学習がニュースメディアにおけるGBVの社会的影響を監視・分析するスケーラブルなツールとして機能できることを確認した。