Automated Detection of Media Bias

Dieses Open-Access-Buch untersucht die automatisierte Erkennung von Medienvoreingenommenheit, wobei der Schwerpunkt auf Voreingenommenheit durch Wortwahl in digitalen Medien liegt. Die zunehmende Verbreitung digitaler Informationen bietet Chancen und Herausforderungen für die Analyse von Sprache, wobei kulturelle, geografische und kontextuelle Faktoren die Darstellung von Inhalten beeinflussen. Trotz des interdisziplinären Charakters der medialen Voreingenommenheitsforschung in Bereichen wie Linguistik, Psychologie und Informatik wird das Problem in bestehenden Arbeiten häufig aus begrenzten Perspektiven angegangen, da es an umfassenden Rahmenwerken und zuverlässigen Datensätzen mangelt. Das Buch zielt darauf ab, diese Lücken zu schließen und einen systematischen Ansatz zur Erkennung von Medienvoreingenommenheit vorzuschlagen. Es entwickelt funktionsbasierte und vertiefende Ansätze zur automatisierten Bias-Erkennung, darunter ein BERT-basiertes Modell und MAGPIE, ein Multi-Task-Lernmodell. Diese Methoden zeigen eine verbesserte Leistung bei etablierten Benchmarks und zeigen das Potenzial tiefen Lernens bei der Erkennung von Medienvoreingenommenheit. Schließlich befasst sich der Autor mit den praktischen Anwendungsmöglichkeiten automatisierter Voreingenommenheit, wie der Verbesserung der Nachrichtenlektüre durch Vorwarnmeldungen, Textanmerkungen und politische Klassifikatoren, und untersucht die Auswirkungen von Voreingenommenheit auf das Engagement in den sozialen Medien.