[논문 리뷰] Analyzing Who and What Appears in a Decade of US Cable TV News

James Won‐Ki Hong, Will Crichton외 10명|arXiv (Cornell University)|2020. 08. 13.

Authorship Attribution and Profiling참고 문헌 4인용 수 4

한 줄 요약

이 논문은 머신러닝을 활용해 2010–2019년 동안 CNN, FOX, MSNBC의 미국 케이블 테레비 뉴스에서 얼굴 검출, 성별 표현 레이블링, 자막과 오디오 정렬을 수행하여 10년간의 분석을 수행한다. 연구 결과, 남성으로 보여지는 인물들이 여성으로 보여지는 인물들보다 2019년 기준 1.9배 더 많은 화면 시간을 차지하는 등 지속적인 성별 불균형이 드러났으며, 데이터셋에 대한 공개적이고 상호작용 가능한 웹 도구를 제공한다.

ABSTRACT

Cable TV news reaches millions of U.S. households each day, meaning that decisions about who appears on the news and what stories get covered can profoundly influence public opinion and discourse. We analyze a data set of nearly 24/7 video, audio, and text captions from three U.S. cable TV networks (CNN, FOX, and MSNBC) from January 2010 to July 2019. Using machine learning tools, we detect faces in 244,038 hours of video, label each face's presented gender, identify prominent public figures, and align text captions to audio. We use these labels to perform screen time and word frequency analyses. For example, we find that overall, much more screen time is given to male-presenting individuals than to female-presenting individuals (2.4x in 2010 and 1.9x in 2019). We present an interactive web-based tool, accessible at https://tvnews.stanford.edu, that allows the general public to perform their own analyses on the full cable TV news data set.

연구 동기 및 목표

• 미국 케이블 테레비 뉴스에 누가 등장하고, 그 대표성이 시간이 지남에 따라 어떻게 변화했는지 이해하기 위해.
• 화면 시간의 성별 격차를 정량화하고 유명 인물의 가시성 패턴을 규명하기 위해.
• 대규모 방송 영상에서 얼굴, 성별 표현, 자막을 자동으로 레이블링하는 확장 가능한 자동화된 파이프라인을 개발하기 위해.
• 공개 및 저널리즘 분석을 위한 접근 가능하고 상호작용 가능한 웹 플랫폼을 구축하여 케이블 뉴스 미디어 트렌드를 탐색할 수 있도록 하기 위해.
• 미디어 대표성과 미국 뉴스 내 논의의 종단적 데이터 기반 분석을 위한 기반을 마련하기 위해.

제안 방법

• 244,038시간의 방송 영상에서 3초 간격으로 샘플링한 영상 프레임에 대해 MTCNN 얼굴 검출을 적용하여 얼굴을 식별했다.
• 머신러닝 모델을 사용해 검출된 얼굴의 성별 표현을 분류하고, 얼굴 인식 기반으로 주요 유명 인물을 식별했다.
• 자동 음성 인식과 시간 동기화 기법을 사용해 자막과 오디오 전사본을 정렬했다.
• 콘텐츠 및 대표성 분석을 위해 광고를 제외한 뉴스 프로그램(총 영상의 72.1%)에 집중하기 위해 데이터를 필터링했다.
• 사용자가 시간에 따른 화면 시간 및 단어 빈도 트렌드를 쿼리할 수 있는 웹 기반 상호작용 시각화 도구를 구축했다.
• 수동 점검을 통해 레이블링 정확도를 검증하고, 시계열 분석을 통해 미디어 보도의 종단적 트렌드를 파악했다.

실험 결과

연구 질문

• RQ1 2010년에서 2019년 사이에 미국 케이블 뉴스 네트워크에서 남성으로 보여지는 인물과 여성으로 보여지는 인물의 화면 시간은 어떻게 변화했는가?
• RQ2 어떤 유명 인물과 정치인이 케이블 뉴스에서 가장 많은 화면 가시성을 확보하고 있는가?
• RQ3 지난 10년간 화면에 여러 얼굴이 동시에 등장하는 비율은 어떻게 변화했는가?
• RQ4 어떤 주제가 가장 자주 다뤄지며, 그것과 화면에 나타나는 대표성 간의 상관관계는 어떠한가?
• RQ5 피해자와 가해자의 가시성은 성별과 맥락에 따라 어떻게 달라지는가?

주요 결과

• 여성으로 보여지는 인물 대비 남성으로 보여지는 인물의 화면 시간 비율은 2010년 0.41:1에서 2019년 0.54:1로 증가하여 점진적인 개선이 있었지만 여전히 성별 불균형이 지속됨을 시사한다.
• 2019년 기준 남성으로 보여지는 인물의 화면 시간은 여성으로 보여지는 인물보다 1.9배 많았으며, 2010년의 2.4배에서 감소했다.
• 화면에 최소한 한 명의 얼굴이 등장하는 비율은 2010년 72.9%에서 2019년 81.5%로 상승하여 화면에서 인간 존재의 강조가 증가하고 있음을 나타낸다.
• CNN과 FOX에서는 화면에 한 명의 얼굴만 있는 비율이 감소한 반면, MSNBC에서는 변화가 없었다.
• 화면 시간 상위 100명의 인물 중 18명은 미국 정치인이고 85명은 뉴스 앵커였으며, 3명은 양자 모두였다.
• 전체 데이터셋에는 2.63억 개의 얼굴이 검출되었으며, 총 방영 시간의 75.3%는 최소한 한 명의 얼굴이 화면에 존재했다.