[论文解读] More Voices Than Ever? Quantifying Media Bias in Networks

Yu‐Ru Lin, James P. Bagrow+1 more|arXiv (Cornell University)|Nov 4, 2011

Media Influence and Politics参考文献 18被引用 31

一句话总结

本文通过分析对第111届美国国会议员的引用频率，提出基于经验数据的度量方法，以量化主流新闻和博客网络中的媒体偏见。利用无偏报道的零模型和生成性‘财富分配’模型，研究发现博客的‘强者愈强’动态比新闻媒体更强，对领先人物或地区的覆盖更不集中，但整体政党倾向相似，表明虽然存在更多声音，但其中许多只是主流叙事的回声。

ABSTRACT

Social media, such as blogs, are often seen as democratic entities that allow more voices to be heard than the conventional mass or elite media. Some also feel that social media exhibits a balancing force against the arguably slanted elite media. A systematic comparison between social and mainstream media is necessary but challenging due to the scale and dynamic nature of modern communication. Here we propose empirical measures to quantify the extent and dynamics of social (blog) and mainstream (news) media bias. We focus on a particular form of bias---coverage quantity---as applied to stories about the 111th US Congress. We compare observed coverage of Members of Congress against a null model of unbiased coverage, testing for biases with respect to political party, popular front runners, regions of the country, and more. Our measures suggest distinct characteristics in news and blog media. A simple generative model, in agreement with data, reveals differences in the process of coverage selection between the two media.

研究动机与目标

• 开发独立于主观内容分析的、经验性且量化的媒体偏见度量方法。
• 比较主流新闻与博客媒体对第111届美国国会议员的报道模式。
• 理解社交媒体是否真正实现媒体民主化，即是否使更多元的声音得以出现，还是仅放大了既有趋势。
• 建模媒体关注度分布背后的发生机制，并评估其对偏见动态的影响。
• 研究外部事件（如选举）如何随时间影响媒体倾向与报道动态。

提出的方法

• 基于可配置基线分布，定义无偏报道的零模型，以度量引用频率的偏离程度。
• 使用每位立法者的实际引用次数，计算其在政党、地区代表性及领先人物突出性方面的偏见指标。
• 应用单参数生成性‘财富分配’模型，模拟媒体机构随时间对立法者的关注度分配。
• 将模型拟合至实证数据，并将其预测结果与观察到的类似幂律分布的引用次数分布进行比较。
• 使用现成工具进行情感分析，以考察引用数量的语义相关特征。
• 分析媒体机构之间的超链接模式，评估媒体网络中的意识形态聚类与回音室效应。

实验结果

研究问题

• RQ1 主流新闻与博客在国会议员中的媒体覆盖分布有何不同？
• RQ2 新闻与博客媒体在多大程度上表现出对特定政党、地区选区或领先人物的偏见？
• RQ3 外部事件（如选举）如何影响媒体倾向与报道模式的动态变化？
• RQ4 支撑观察到的媒体关注度分布的生成机制是什么？新闻与博客之间有何差异？
• RQ5 内容层面的特征（如情感倾向与超链接结构）与媒体偏见的定量度量之间存在何种关联？

主要发现

• 博客表现出显著更强的‘强者愈强’机制，如生成性财富分配模型中更高的参数 $ q $ 所示，表明网络驱动的放大效应更强。
• 尽管如此，博客对特定领先人物或地区的覆盖集中度低于新闻媒体，表明其关注更广泛但更具分散性。
• 博客的整体政党倾向与新闻媒体无显著差异，挑战了社交媒体本质上更少偏见的假设。
• 博客媒体对外部冲击（如2010年中期选举）的敏感性高于新闻媒体，表明其倾向行为更具动态性和响应性。
• 超链接模式显示，具有民主党倾向的媒体更可能相互引用，表明博客网络内部存在潜在的意识形态聚类。
• 情感分析显示负面情感与引用频率之间仅存在微弱相关性，表明定量偏见度量捕捉的是与语义情感不同的维度。