[논문 리뷰] Dead or Murdered? Predicting Responsibility Perception in Femicide News Reports

Gosse Minnema, Sara Gemelli외 3명|University of Groningen research database (University of Groningen / Centre for Information Technology)|2022. 09. 24.

Hate Speech and Cyberbullying Detection인용 수 5

한 줄 요약

이 연구는 이탈리아의 여성 살해 사건 뉴스 보도에서 언어적 프레임이 책임 인식에 어떻게 영향을 미치는지 NLP와 인간 인식 설문 조사 방법을 통해 조사한다. 강력한 성능을 보이는 미세조정된 BERT 모델을 제안하며, 이는 언어적 선택이 특히 가해자 대비 피해자에 대한 빈도에 뚜렷한 영향을 미친다는 것을 보여준다.

ABSTRACT

Different linguistic expressions can conceptualize the same event from different viewpoints by emphasizing certain participants over others. Here, we investigate a case where this has social consequences: how do linguistic expressions of gender-based violence (GBV) influence who we perceive as responsible? We build on previous psycholinguistic research in this area and conduct a large-scale perception survey of GBV descriptions automatically extracted from a corpus of Italian newspapers. We then train regression models that predict the salience of GBV participants with respect to different dimensions of perceived responsibility. Our best model (fine-tuned BERT) shows solid overall performance, with large differences between dimensions and participants: salient _focus_ is more predictable than salient _blame_, and perpetrators' salience is more predictable than victims' salience. Experiments with ridge regression models using different representations show that features based on linguistic theory similarly to word-based features. Overall, we show that different linguistic choices do trigger different perceptions of responsibility, and that such perceptions can be modelled automatically. This work can be a core instrument to raise awareness of the consequences of different perspectivizations in the general public and in news producers alike.

연구 동기 및 목표

• 이탈리아 여성 살해 사건 뉴스 보도에서의 언어적 표현이 성기반 폭력(GDV)에 대한 책임 인식에 어떻게 영향을 미치는지 조사하는 것.
• 대규모 GDV 기술 서베이 자료를 바탕으로 NLP 기법을 활용해 인간의 책임 부여 인식을 모델링하는 것.
• 특히 프레임 의미학과 문법적 구성 요소를 포함한 언어적 특징이 가해자와 피해자에 대한 책임 인식을 얼마나 예측할 수 있는지 평가하는 것.
• 다양한 NLP 모델(예: BERT와 릿지 회귀)의 성능을 인간 인식 점수 예측 능력 측면에서 평가하는 것.
• 데이터 기반 통찰을 통해 언론 전문가와 일반 대중이 GDV 보도에서의 프레임 효과에 대해 인식하도록 유도하는 것.

제안 방법

• 최신 기술의 의미 분석기(Xia 등, 2021)를 사용해 이탈리아 신문 기사 코퍼스에서 GDV 사건 기술을 자동으로 추출하였다.
• Qualtrics를 통해 대규모 온라인 설문 조사를 실시하여 참가자들이 가해자, 피해자, 그리고 추상적 원인(예: 질투)에 대해 책임을 얼마나 느끼는지 평가하도록 요청하였다.
• 인식 점수를 타깃으로 삼아 언어적 특징을 사용한 릿지 회귀 모델과 미세조정된 BERT 모델을 훈련시켰다.
• 프레임 의미학(Fillmore, 2006)과 문법적 구성(수동어/수동어 아님, 명사화)을 책임 인식의 빈도 예측에 핵심 언어적 특징으로 사용하였다.
• 예측된 점수와 인간 애너테이션된 책임 점수 간의 상관관계를 사용해 모델 성능을 평가하였다.
• 이중 용도의 위험 완화 전략을 적용: 모델 및 데이터를 상세한 문서와 함께 공개하여 오용 방지 및 윤리적 해석 보장.

실험 결과

연구 질문

• RQ1 이탈리아 여성 살해 사건 뉴스 보도에서 다양한 언어적 구성(예: 능동어 대비 수동어, 명사화)이 책임 부여 인식에 어떻게 영향을 미치는가?
• RQ2 NLP 모델은 여성 살해 사건 보도에서 가해자와 피해자에 대한 책임 인식을 얼마나 잘 예측할 수 있는가?
• RQ3 프레임 기반 언어적 특징는 단어 수준의 특징보다 책임 인식 예측에 더 효과적인가?
• RQ4 가해자와 피해자에 대한 비난 인식은 초점 인식보다 더 예측 가능할까?
• RQ5 Transformer 기반 모델인 BERT는 전통적 회귀 모델보다 여성 살해 사건 서사에서 책임 인식 예측에 더 뛰어난 성능을 보일 수 있는가?

주요 결과

• 미세조정된 BERT 모델은 인간의 책임 인식 예측에 뛰어난 성능을 보이며, 대규모로 인식을 모델링하는 것이 가능하다는 것을 입증하였다.
• 비난의 빈도는 초점의 빈도보다 예측이 덜 가능함을 보여주며, 비난 대상에 대한 인식은 더 변동성이 크고 맥락에 민감함을 시사한다.
• 가해자의 빈도는 피해자의 빈도보다 더 예측 가능함을 보여주며, 가해자에 대한 언어적 신호가 인식과 더 일관되게 연결되어 있음을 시사한다.
• 릿지 회귀 모델에서 프레임 기반 특징은 단어 수준의 특징과 유사한 성능을 보였으며, 이는 프레임 기반 표현 방식의 이론적 중요성을 뒷받침한다.
• 이 연구는 특히 문법적 전환성과 주체성에 기반한 언어적 프레임이 책임 인식에 뚜렷한 영향을 미친다는 것을 확인하였으며, 피해자 비난에 관한 심리언어학적 연구 결과와 일치한다.
• 결과적으로 언론 언어 선택이 책임 부여를 미묘하게 이동시킬 수 있으며, 이는 대중의 이해와 언론 윤리에 영향을 미칠 수 있음을 시사한다.