[논문 리뷰] Beyond Discrete Genres: Mapping News Items onto a Multidimensional Framework of Genre Cues

Zilin Lin, Kasper Welbers외 2명|arXiv (Cornell University)|2022. 12. 08.

Computational and Text Analysis Methods인용 수 4

한 줄 요약

이 논문은 문장 수준에서 예측 가능한 요소인 사실성과 형식성이라는 장르 신호를 사용하여 뉴스 기사의 다차원적이고 이산적이지 않은 프레임워크를 제안한다. 이를 위해 미세조정된 BERT 모델을 활용하여 장르의 특성을 분석한다. 이 방법은 다양한 미디어 플랫폼에서 뉴스 형식을 체계적으로 비교할 수 있게 하며, 현대 저널리즘에서 장르 경계가 유동적임을 드러낸다.

ABSTRACT

In the contemporary media landscape, with the vast and diverse supply of news, it is increasingly challenging to study such an enormous amount of items without a standardized framework. Although attempts have been made to organize and compare news items on the basis of news values, news genres receive little attention, especially the genres in a news consumer's perception. Yet, perceived news genres serve as an essential component in exploring how news has developed, as well as a precondition for understanding media effects. We approach this concept by conceptualizing and operationalizing a non-discrete framework for mapping news items in terms of genre cues. As a starting point, we propose a preliminary set of dimensions consisting of "factuality" and "formality". To automatically analyze a large amount of news items, we deliver two computational models for predicting news sentences in terms of the said two dimensions. Such predictions could then be used for locating news items within our framework. This proposed approach that positions news items upon a multidimensional grid helps in deepening our insight into the evolving nature of news genres.

연구 동기 및 목표

• 다양한 뉴스 형식(예: 유튜브 인터뷰, 인쇄 편집기사 등)을 통합된 표준화된 프레임워크 안에서 비교하는 데 도전하는 것.
• 청중 인식에 의해 영향을 받는 연속적인 장르 연속체로 뉴스 장르를 모델링함으로써 정적인 이산적 장르 분류를 넘어서는 것.
• 핵심 차원으로서 사실성과 형식성을 중심으로 측정 가능한 언어적 신호를 통해 장르 인식을 실현화하는 것.
• 이러한 장르 신호를 자동으로 예측할 수 있는 계산 모델을 개발하여 뉴스 콘텐츠의 대규모 분석을 가능하게 하는 것.
• 특히 플랫폼과 청중 간의 차이를 고려할 때, 현대 미디어 생태계에서 뉴스 장르가 어떻게 진화하고 융합되는지 이해하는 기초를 제공하는 것.

제안 방법

• 장르 신호인 '사실성'(객관적 내용 대 비판적 내용의 비율)과 '형식성'(언어적 형식성 수준)을 기반으로 한 이차원 프레임워크를 제안한다.
• 신문, 블로그, 팟캐스트, 공영 방송, 풍자 콘텐츠, 유튜브 콘텐츠를 포함한 다양한 네덜란드 뉴스 코퍼스에서 대규모로 구성된 데이터를 바탕으로 두 가지 BERT 기반 모델을 미세조정한다.
• 문장 수준에서 사실성과 형식성을 주석 처리하여 분류 모델을 훈련시으며, 이를 통해 각 문장의 장르 신호를 예측할 수 있도록 한다.
• 문장 수준의 예측 결과를 집계하여 전체 뉴스 기사를 다차원 장르 프레임워크 내에서 위치 매핑한다.
• 대규모 데이터 시연을 통해 프레임워크의 타당성을 검증하였으며, 다양한 미디어 유형 간 장르의 진화와 융합을 포괄적으로 포착할 수 있음을 입증한다.
• 향후 연구자들이 복제 및 확장할 수 있도록 코드와 코퍼스를 공개하며, 향후 다른 언어나 미디어 유형으로의 적용 가능성도 고려한다.

실험 결과

연구 질문

• RQ1 다양한 미디어 플랫폼에서의 뉴스 기사를 형식과 스타일의 차이에도 불구하고 어떻게 체계적으로 비교할 수 있는가?
• RQ2 사실성과 형식성과 같은 인식된 장르 신호가 다양한 뉴스 콘텐츠 유형과 미디어 기관 간에 어느 정도로 다를 수 있는가?
• RQ3 계산 모델이 문장 수준에서 장르 신호를 정확하게 예측할 수 있는가? 이를 통해 뉴스 기사를 다차원 공간에 대규모 맵핑이 가능한가?
• RQ4 사실성과 형식성의 차원이 현대 뉴스 장르의 유동적이고 역동적인 특성을 어떻게 반영하는가?
• RQ5 이 이산적이지 않은 프레임워크는 디지털 시대의 미디어 영향력과 저널리즘 실천 연구를 어떻게 향상시킬 수 있는가?

주요 결과

• 제안된 이차원 프레임워크는 전통적 저널리즘과 사용자 생성 콘텐츠를 포함한 다양한 미디어 플랫폼에서 뉴스 장르의 흐름과 융합을 효과적으로 포착한다.
• 미세조정된 BERT 모델은 문장 수준에서 사실성과 형식성을 신뢰성 있게 예측할 수 있으며, 장르 공간 내에서 뉴스 기사의 스케일러블 맵핑을 가능하게 한다.
• 프레임워크는 뉴스 기사가 이산적 장르에 갇혀 있지 않고 스펙트럼 상에 존재하며, 뉴스 기사와 편집기사 사이에 상당한 겹침이 있음을 드러낸다.
• 모델 출력 결과는 유튜브 및 풍자 콘텐츠가 전통 언론에 비해 형식성이 낮고 의견성 수준이 높다는 점을 보여주며, 미디어 유형 간 차이가 뚜렷하게 나타남을 확인한다.
• 대규모 데이터 시연을 통해 접근법의 타당성을 검증하였으며, 시간에 따라 뉴스 콘텐츠의 장르 이동과 구조적 변화를 탐지할 수 있음을 입증한다.
• 공개된 코퍼스와 코드를 통해 향후 연구자들이 프랙티컬 미디어 유형(예: 극단적 뉴스 또는 소셜 미디어 콘텐츠) 전용 모델을 구축할 수 있으며, 인구 통계 및 플랫폼 특화 일반화 능력을 향상시킬 수 있다.