中立的多种表现形式：利用引文准确性识别政治垄断下的媒体偏见

《ACM Transactions on Intelligent Systems and Technology》：Shades Of Neutrality: Detecting Media Slant In A Political Monopoly Using Quotation Accuracy

媒体偏见研究：基于NLP的议会演讲引用准确性分析

　　

摘要人工智能总结

摘要

摘要

研究政治媒体偏见的一个自然起点是考察报道强度的差异。本研究将“引用准确性”作为衡量媒体倾向的一个维度。通过使用自然语言处理（NLP）技术，我制定了三种引用准确性的衡量标准：子字符串对齐、词袋重叠以及基于Transformer的两阶段语义测量方法。我将这些衡量标准与应用计量经济学相结合，分析了新加坡主要日报对议会演讲的报道情况。在该背景下，报道强度并未显示出明显的倾向性。在所有三种衡量标准中，反对党演讲的引用准确性均低于执政党演讲。基于NLP的特征分析和边界分析排除了其他可能的解释因素，如话题构成、可忽略的词汇或语言连贯性。最后，我将研究结果置于政府与媒体的互动框架中进行分析：执政党政治家会提前将演讲稿提供给媒体，而反对党则不会这样做，这可能是导致引用准确性差异的原因之一。我认为这种媒体参与度的差异隐藏了有关媒体倾向性的关键信息。

人工智能总结

人工智能生成的摘要（实验性)

本摘要是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现研究内容、评估其相关性，并辅助来自相关研究领域的读者理解本文。它是对作者提供的摘要的补充，而作者提供的摘要仍是本文的官方总结。完整文章才是权威版本。点击此处了解更多。

请点击此处对摘要的准确性、清晰度和实用性进行评价。您的反馈将有助于改进未来的摘要生成。

人工智能生成的摘要

生成日期：2026年1月19日

本研究采用了一种新的方法来检测政治媒体偏见，即通过衡量引用准确性，而不仅仅是报道量。通过自然语言处理技术，我们提出了三种互补的衡量标准来评估新闻媒体中的直接引用与原始演讲之间的忠实度。这些标准包括：子字符串对齐（用于捕捉逐字准确性）、词袋重叠（考虑重新排序或改写的词汇），以及基于Transformer的语义相似性指标（用于衡量更深层次的意义关联）。

将这些技术应用于新加坡主要日报对议会演讲的报道分析后发现，尽管执政党和反对党政治家的报道强度相当，但在所有三种衡量标准中，反对党演讲的引用准确性始终较低。研究通过广泛的文本建模和控制各种语言、话题及文章相关因素，排除了其他可能的解释（如话题差异或记者疏忽）。即使经过多种干扰因素的调整和稳健性检验，这种党派间的差异仍然存在。

定性分析表明，这种差异源于媒体与政治之间的结构性安排：执政党政治家通常会提前将演讲稿提供给媒体，从而确保报道的准确性；而反对党政治家则不参与这一流程，导致记者不得不依赖速记或录音，进而影响报道的准确性。这种后勤上的不对称性形成了“分离的均衡状态”，即使这种不准确性并非有意为之，也隐藏了媒体偏见的实质信息。

研究结果表明，媒体中立性具有细微的层次差异；平等的报道量并不能保证平等的准确性。该研究将计算NLP方法与应用计量经济学相结合，揭示了在政府对媒体机构有强烈影响力的政治垄断环境中之前未被发现的偏见维度。研究也指出了局限性，例如仅关注单一媒体渠道以及样本时间窗口为12年（这一时间窗口涵盖了媒体消费模式和反对党力量变化的时期）。

该方法论框架具有普遍适用性，适用于任何能够匹配来源文本和引用的场景，为检测媒体倾向性提供了可扩展的工具。该研究通过关注引用准确性这一较少被研究的方面，推动了政治经济学领域对媒体偏见的研究，并强调媒体偏见通过多种渠道发挥作用。未来的研究可以探讨误引对公众意见的影响，并将分析扩展到新的媒体平台和多元化的政治环境中，以更深入地理解媒体影响力。

此内容由人工智能生成。了解更多