[논문 리뷰] Uncovering Gender Bias in Media Coverage of Politicians with Machine Learning

Susan Leavy|arXiv (Cornell University)|2020. 05. 15.

Gender Politics and Representation참고 문헌 41인용 수 7

한 줄 요약

이 연구는 자연어 처리와 기계학습을 활용하여 15년간 아일랜드 신문 보도에서 정치인에 대한 체계적 성별 편향을 탐지한다. 연구 결과, 여성은 보도의 양과 주요 위치에서 더 높은 비중을 차지하지만, 부정적 스테레오타입, 개인화, 성별에 기반한 정책 연관성으로 인해 비율 대비 과도하게 묘사되고 있음을 확인하였다. 이는 외형적으로 긍정적인 표현이 이루어지고 있음에도 불구하고 암묵적이고 광범위한 편향이 존재하고 있음을 시사한다.

ABSTRACT

This paper presents research uncovering systematic gender bias in the representation of political leaders in the media, using artificial intelligence. Newspaper coverage of Irish ministers over a fifteen year period was gathered and analysed with natural language processing techniques and machine learning. Findings demonstrate evidence of gender bias in the portrayal of female politicians, the kind of policies they were associated with and how they were evaluated in terms of their performance as political leaders. This paper also sets out a methodology whereby media content may be analysed on a large scale utilising techniques from artificial intelligence within a theoretical framework founded in gender theory and feminist linguistics.

연구 동기 및 목표

• 자연어 처리와 기계학습을 활용한 확장 가능한 AI 기반 성별 편향 탐지 방법론을 개발하기 위해.
• 15년간의 기간 동안 아일랜드 남녀 정치인에 대한 미디어 묘사에 체계적 성별 편향이 존재하는지 검토하기 위해.
• 언어 사용, 정책 연관성, 미디어 배치의 차이가 성별 스테레오타입을 반영하거나 강화하는 방식으로 작용하는지 규명하기 위해.
• 페미니즘 언어학과 계산 기반 텍스트 분석을 융합한 새로운 코퍼스 기반 접근법을 성별 편향 분석에 기여하기 위해.

제안 방법

• 1997~2011년 기간 동안 The Irish Times와 The Irish Independent의 신문 기사 15년 분량을 수집하여, 장관급 정치인을 중심으로 분석하였다.
• 명시적 실체, 감성, 주제별 어휘와 같은 언어적 특징을 추출하기 위해 자연어 처리 기법을 적용하였다.
• 기계학습 분류기(SVM, 로지스틱 회귀 등)를 사용하여 텍스트 기반으로 특징화된 정치인의 성별을 예측하였으며, 정확도를 통해 언어적 차이를 지표로 삼았다.
• 성별 어휘와 정책 연관 키워드의 맥락적 사용을 분석하기 위해 Concordance 분석을 활용하였다.
• General Inquirer Lexicon을 활용하여 남성 및 여성 정치인과 연결된 정치적 및 정서적 어휘 연관성을 추출하고 비교하였다.
• 미디어 우선순위와 가시성을 대체 지표로 삼아 신문의 섹션 배치를 분석하였으며, 남성 및 여성 정치인의 배치 분포를 비교하였다.

실험 결과

연구 질문

• RQ1 아일랜드 미디어에서 여성 정치인에 대한 보도가 남성 정치인과 비교해 언어, 어조, 내용 면에서 체계적으로 어떻게 다를까?
• RQ2 특히 성별에 기반한 스테레오타입이 연결된 정책 분야에 대해 남성과 여성 정치인이 어떻게 다른 방식으로 연관되는가?
• RQ3 신문의 다른 섹션에 배치된 보도가 성별에 기반한 가시성 또는 우선순위를 반영하는가?
• RQ4 언어적 특징을 기반으로 학습된 기계학습 모델이 남성과 여성 정치인의 보도를 어떻게 구분하는가? 이러한 차이를 이끌어내는 주요 특징는 무엇인가?
• RQ5 자동화된 방법이 정치 미디어 보도에서 예상치 못한 또는 비스테레오타입적인 형태의 성별 편향을 얼마나 잘 드러내는가?

주요 결과

• 여성 정치인은 앞면, 정치 섹션, 편집기고 등 고위상 섹션에 더 많이 배치되고 보도량이 많아 긍정적인 가시성 편향이 있음을 시사한다.
• 높은 가시성에도 불구하고 여성 정치인은 '침입'(invasion)과 같은 갈등을 연상시키는 어휘와 더 많이 연관되었고, 남성 정치인은 '조율'(conciliation), '중재'(mediation), '중립성'(neutrality) 등과 연결되어 있어 정치적 행동 방식에 성별에 기반한 프레임이 존재함을 시사한다.
• 여성 정치인은 개인적·가족적 역할과 더 자주 연관되었으며, 정책 성과보다 성별과 가족 생활에 더 많은 주목을 기울인 보도가 이루어졌다.
• 여성 정치인에 대한 부정적 묘사는 리더십 능력에 대한 성별 스테레오타입을 강화하는 경향이 있었다.
• 여성 장관은 관련 보직이 없음에도 불구하고 라이프스타일, 엔터테인먼트, 건강 섹션에 과도하게 배치되었으며, 이는 사회적·건강 문제와의 성별 연관성을 반영한다.
• 기계학습 모델은 정치인의 성별을 높은 정확도로 분류하였으며, 이는 보도에서의 언어적 차이가 체계적이고 측정 가능한 것임을 확인한다.