[论文解读] Machine Learning to study the impact of gender-based violence in the news media

Hugo J. Bello, Nora Palomar+3 more|arXiv (Cornell University)|Nov 27, 2020

Hate Speech and Cyberbullying Detection参考文献 8被引用 5

一句话总结

本研究应用基于神经网络的机器学习方法，分析媒体对基于性别暴力（GBV）的报道，提取主题模式并评估媒体报道对公众意识的影响。结果表明，媒体对GBV案例的呈现与公众关注度的提升存在可测量的关联，证明机器学习能够有效映射新闻来源中GBV报道的主题与社会影响。

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

研究动机与目标

• 调查媒体报道在塑造公众对基于性别暴力（GBV）认知方面的作用。
• 利用机器学习识别GBV相关新闻文章中的主题模式与结构性关系。
• 评估GBV案例的媒体报道如何影响社会认知与关注程度。
• 开发一种可扩展、可适应的机器学习框架，适用于其他媒体来源或社会议题。

提出的方法

• 研究人员采用神经网络模型处理并从GBV新闻文章语料库中提取主题信息。
• 利用深度学习架构生成文本嵌入，以捕捉GBV相关内容的语义与上下文特征。
• 该模型经过训练，能够识别并分类GBV新闻中的主题聚类，如暴力类型、受害者特征及报道语气。
• 该方法利用迁移学习与微调技术，使模型可适应不同媒体来源与主题。
• 对模型输出进行分析，以关联媒体报道模式与公众意识指标。
• 该框架设计为可扩展，支持应用于其他社会议题或媒体平台。

实验结果

研究问题

• RQ1 媒体对基于性别暴力的报道在多大程度上与公众意识和社会关注相关？
• RQ2 不同媒体来源中GBV相关新闻文章呈现出哪些主题模式？
• RQ3 媒体中高曝光度的GBV案例在多大程度上影响公众认知或公共话语？
• RQ4 机器学习模型能否有效提取并解读GBV报道的社会政治影响？
• RQ5 所提出的机器学习框架在多大程度上可推广至其他媒体议题或信息来源？

主要发现

• 发现GBV案例的媒体报道与公众意识提升之间存在显著关联，表明媒体具有放大效应。
• 神经网络成功识别出GBV新闻中的重复主题聚类，如亲密伴侣暴力与女性谋杀报道。
• 媒体对GBV的呈现被发现强化或反映了现有社会叙事，从而影响公众话语。
• 该模型表现出强大的适应性，仅需少量微调即可扩展至其他媒体来源或社会议题。
• 主题分析显示，某些报道风格或案件类型持续吸引更高媒体关注度，表明报道中可能存在偏见。
• 本研究证实，机器学习可作为监测与分析新闻媒体中GBV社会影响的可扩展工具。