[論文レビュー] Dead or Murdered? Predicting Responsibility Perception in Femicide News Reports

Gosse Minnema, Sara Gemelli+3 more|University of Groningen research database (University of Groningen / Centre for Information Technology)|Sep 24, 2022

Hate Speech and Cyberbullying Detection被引用数 5

ひとこと要約

本研究は、イタリアの女性殺害報道における言語的フレーミングが、責任認識にどのように影響するかを、NLPと人間の認知調査を用いて調査する。本研究では、責任の顕著性を高い性能で予測する微調整済みBERTモデルを提案し、言語的選択が、加害者と被害者に対する責任の認識に顕著に影響することを示している。

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.

研究の動機と目的

• イタリアの女性殺害報道における言語的表現が、ジェンダーに基づく暴力（GBV）における責任認識にどのように影響するかを調査すること。
• GBVの記述に関する大規模なアンケート調査を用いて、人間の責任帰属認識をNLP技術でモデル化すること。
• 特にフレーム意味論と文法構造からの言語的特徴が、加害者および被害者の責任認識にどのように予測されるかを評価すること。
• さまざまなNLPモデル（BERTやリッジ回帰を含む）の、人間の認識スコアを予測する性能を評価すること。
• データ駆動型の知見を通じて、報道関係者および一般大衆に、GBV報道におけるフレーミング効果についての認識を高めること。

提案手法

• 最先端の意味的パーサー（Xia et al., 2021）を用いて、イタリアの新聞コーパスからGBVイベントの記述を自動抽出した。
• Qualtricsを用いた大規模オンラインアンケートを通じて、参加者が加害者、被害者、および抽象的要因（例：嫉妬）の責任をどの程度感じているかを評価する人間の認識判断を収集した。
• 認識スコアをターゲットとして、言語的特徴を用いたリッジ回帰と微調整済みBERTの両方の回帰モデルを訓練した。
• フレーム意味論（Fillmore, 2006）と文法構造（能動態／受動態、名詞化）を、責任の顕著性を予測する主な言語的特徴とした。
• 予測スコアと人間がアノテートした責任スコアとの相関を用いて、モデルのパフォーマンスを評価した。
• 二重用途の緩和戦略を採用：モデルとデータを詳細なドキュメンテーションとともに公開し、悪用を防ぎ、倫理的な解釈を確保した。

実験結果

リサーチクエスチョン

• RQ1 イタリアの女性殺害報道における、さまざまな言語的構造（例：能動態対受動態、名詞化）が、責任帰属認識にどのように影響するか。
• RQ2 NLPモデルは、GBV報道における加害者および被害者の責任認識をどの程度正確に予測できるか。
• RQ3 フレームベースの言語的特徴は、ワードレベルの特徴と比較して、責任認識を予測する上でどれほど優れているか。
• RQ4 加害者および被害者の責任の認識は、顕著性の認識よりも予測可能度が高いか。
• RQ5 トランスフォーマーに基づくモデル（例：BERT）は、従来の回帰モデルよりも、GBVナラティブにおける責任認識を予測する上で優れているか。

主な発見

• 微調整済みBERTモデルは、人間の責任認識を予測する上で優れたパフォーマンスを示し、大規模な認識モデリングの可能性を実証した。
• 責任の顕著性は、注目度の顕著性よりも予測が難しく、責任を誰が負うかという認識はより変動的で文脈依存的であることを示した。
• 加害者の顕著性は、被害者の顕著性よりも予測が容易で、加害者に関する言語的手がかりが認識とより一貫して関連していることを示唆した。
• リッジ回帰モデルにおいて、フレーム意味論に基づく言語的特徴はワードレベルの特徴と同等の性能を示し、フレームベース表現の理論的関連性を裏付けた。
• 本研究は、言語的フレーミング、特に文法的透過性と能動性を通じた影響が、責任認識に顕著に及ぶことを確認した。これは、被害者責めの心理言語的知見とも整合する。
• 結果は、マスコミの言語的選択が、責任帰属の認識をわずかにでもシフトさせることの可能性を示しており、一般の理解とマスコミ倫理に影響を及ぼすものである。