[论文解读] Large-scale Quantitative Evidence of Media Impact on Public Opinion toward China

Junming Huang, Gavin G. Cook+1 more|arXiv (Cornell University)|Dec 8, 2020

Media Influence and Politics参考文献 17被引用 4

一句话总结

本研究采用基于 BERT 的 NLP 技术分析 1970 至 2019 年间 267,907 篇与中国相关的《纽约时报》文章，将媒体情绪与公众舆论关联。研究发现，某一年度关于中国文化与民主的报道情绪可解释下一年度美国公众对华舆论 53.9% 的方差变化。

ABSTRACT

Do mass media influence people's opinion of other countries? Using BERT, a deep neural network-based natural language processing model, we analyze a large corpus of 267,907 China-related articles published by The New York Times since 1970. We then compare our output from The New York Times to a longitudinal data set constructed from 101 cross-sectional surveys of the American public's views on China. We find that the reporting of The New York Times on China in one year explains 54% of the variance in American public opinion on China in the next. Our result confirms hypothesized links between media and public opinion and helps shed light on how mass media can influence public opinion of foreign countries.

研究动机与目标

• 探究精英媒体报道（特别是《纽约时报》）是否影响美国公众对华舆论。
• 利用最先进的 NLP 技术，量化媒体对华情绪在多个主题领域中的表现。
• 基于纵向调查数据，建立媒体情绪与公众舆论之间的时序关联。
• 评估不同媒体情绪主题对公众舆论趋势的相对解释力。
• 提供大规模实证证据，证明媒体报道对对外政策态度的影响，尽管在因果关系上存在局限。

提出的方法

• 采用 BERT（一种基于深度神经网络的 NLP 模型），从 1970 至 2019 年间发表的 267,907 篇与中国相关的《纽约时报》文章中提取情绪信息。
• 将情绪按八个主题领域进行划分——文化、民主、经济、人权、军事、政治、社会与贸易，每个领域分别计算正向、负向与中性情绪得分。
• 计算各主题每年的正向与负向情绪占比，构建时间序列预测变量。
• 使用线性回归模型将公众舆论建模为前一年媒体情绪的函数，最终模型包含文化（正向）与民主（负向）情绪。
• 采用贪心模型选择策略识别最具信息量的情绪主题，使 R² 达到最大值时包含八个主题。
• 通过 1993–1994 年的案例验证模型预测效果，显示预测结果与实际调查数据高度一致。

实验结果

研究问题

• RQ1 《纽约时报》对华媒体报道情绪在多大程度上可预测美国公众对华舆论的变化？
• RQ2 媒体报道的哪些具体主题领域（如文化、民主、经济）对公众舆论影响最大？
• RQ3 当按主题细分时，媒体情绪的解释力如何变化？在增加更多主题后，其解释力提升是否出现边际递减？
• RQ4 精英媒体（如《纽约时报》）的情绪是否可作为公众对外来国家舆论转变的领先指标？
• RQ5 媒体报道与公众舆论之间的时间滞后如何体现？这又对媒体影响力意味着什么？

主要发现

• 《纽约时报》在某一年对华报道的情绪可解释下一年度美国公众对华舆论 53.9% 的方差变化。
• 对华文化的报道情绪，尤其是正向报道，具有最强的解释力，占公众舆论方差的 31.2%。
• 加入对华民主议题的负向情绪后，模型解释力进一步提升，文化（正向）与民主（负向）情绪组合模型达到最高 R²。
• 通过 1993–1994 年的数据点验证了模型预测的准确性，预测的公众舆论得分（0.236）与实际值（0.218）高度接近。
• 随着新增主题数量的增加，解释力持续提升，但在包含两个主题后出现边际递减，表明预测增益趋于饱和。
• 最终的线性预测模型为 μₜ = -0.791 + 3.112×F_{culture,t-1,positive} + 1.452×F_{democracy,t-1,negative}，表明媒体情绪与公众舆论之间存在强而显著的统计关系。