[논문 리뷰] Machine Learning to study the impact of gender-based violence in the news media

Hugo J. Bello, Nora Palomar외 3명|arXiv (Cornell University)|2020. 11. 27.

Hate Speech and Cyberbullying Detection참고 문헌 8인용 수 5

한 줄 요약

이 연구는 성폭력(Gender-Based Violence, GBV)에 대한 언론 보도를 분석하기 위해 신경망 기반 기계학습을 적용하여 주제 패턴을 추출하고 언론의 영향력이 공중 인식에 미치는 영향을 평가한다. 결과로는 언론에서 GBV 사례를 어떻게 다루는지가 공중의 주목도에 직접적인 영향을 미친다는 것이 드러났으며, 기계학습이 뉴스 자료 전반에서 GBV 보도의 주제적 및 사회적 영향을 효과적으로 맵핑할 수 있음을 입증한다.

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

연구 동기 및 목표

• 성폭력(Gender-Based Violence, GBV)에 대한 공중 인식 형성에 미치는 언론 보도의 역할을 조사하는 것.
• 기계학습을 활용하여 GBV 관련 뉴스 기사의 주제 패턴과 구조적 관계를 식별하는 것.
• GBV 사례에 대한 언론의 표현 방식이 사회적 인식과 주목도에 어떤 영향을 미치는지 평가하는 것.
• 다른 미디어 자료나 사회적 문제에 적용 가능한 확장성 있고 유연한 기계학습 프레임워크를 개발하는 것.

제안 방법

• 연구진은 GBV 뉴스 기사 코퍼스에서 주제 정보를 추출하고 처리하기 위해 신경망 모델을 활용하였다.
• 딥러닝 아키텍처를 사용하여 텍스트 임베딩을 생성하여 GBV 관련 콘텐츠의 의미적 및 맥락적 특징을 포착하였다.
• 모델은 뉴스 기사 내 주제 클러스터, 예를 들어 폭력 유형, 피해자 프로필, 보도 톤 등을 식별하고 분류하도록 훈련되었다.
• 모델은 다양한 미디어 자료와 주제에 맞게 적응하기 위해 전이 학습과 피취닝을 활용하였다.
• 모델 출력 결과를 분석하여 언론 보도 패턴과 공중 인식 지표 간의 상관관계를 분석하였다.
• 프레임워크는 확장 가능하도록 설계되어, 다른 사회적 문제나 미디어 플랫폼에의 적용이 가능하도록 하였다.

실험 결과

연구 질문

• RQ1 성폭력에 대한 언론 보도는 공중 인식과 사회적 주목도와 어떤 관련이 있는가?
• RQ2 다양한 미디어 자료에서 GBV 관련 뉴스 기사에 나타나는 주제 패턴은 무엇인가?
• RQ3 언론에서 높은 시야를 확보한 GBV 사례는 대중 인식이나 논의에 어느 정도 영향을 미치는가?
• RQ4 기계학습 모델은 GBV 보도의 사회정치적 함의를 효과적으로 추출하고 해석할 수 있는가?
• RQ5 제안된 기계학습 프레임워크는 다른 미디어 주제나 정보 자료로 일반화할 수 있는가?

주요 결과

• GBV 사례에 대한 언론 보도와 공중 인식 증가 사이에 유의미한 관련성이 확인되어 언론의 확산 효과가 있음을 시사한다.
• 신경망 모델은 애정 폭력 및 여성 살해 사건 보도와 같은 반복적인 주제 클러스터를 성공적으로 식별하였다.
• GBV에 대한 언론 보도가 기존 사회적 서사를 강화하거나 반영하여 대중 논의에 영향을 미치는 것으로 나타났다.
• 모델은 높은 적응성과 유연성을 보였으며, 최소한의 재학습으로 다른 미디어 자료나 사회적 문제로 확장 가능하였다.
• 주제 분석 결과, 일부 보도 스타일이나 사례 유형이 일관되게 더 많은 언론 주목을 받는 것으로 나타나, 보도에 잠재적인 편향이 존재할 수 있음을 시사하였다.
• 본 연구는 기계학습이 뉴스 미디어에서 GBV의 사회적 영향을 모니터링하고 분석하는 데 확장 가능한 도구로 기능할 수 있음을 확인한다.