新闻媒体被用作政治工具，不依据事实提出有偏见的主张。在 COVID-19 大流行期间，政治偏见的新闻（PBN）在明显削弱公众对疫苗的信任，尽管有强有力的医学证据支持其功效。本文分析了以下两个方面：（i）疫苗态度如何潜移默化地影响个体选择新闻来源和参与社交媒体讨论；（ii）接触 PBN 对用户对疫苗态度的影响。我们首先整理了一个与社交媒体讨论相关的全面数据集，利用先进的深度学习和因果推理技术揭示了在具有不同疫苗态度的社交媒体群体之间存在着不同的用户行为。此外，我们观察到，相对于持极端观点的人群，持中立态度的个体（尤其是犹豫接种的大多数人）对 PBN 的影响更为脆弱。我们的研究结果为进一步推动这一研究领域提供了关键洞察。

Mar, 2024

通过对新闻媒体进行研究，我们揭示了其如何在报道中通过事件的包含或省略来影响公众意见，突出了新闻 subtly shapes opinion 的方式。

Oct, 2023

新闻媒体塑造公众舆论，通过选取或省略支持某一方的党派事件以隐晦的方式塑造信息受众的观点，本研究通过比较多篇关于相同事件的新闻文章，并识别出揭示意识形态的党派事件，开发了一种基于潜变量的框架来预测新闻文章的意识形态，发现新闻报道的倾向性可以通过文章之间的对齐和交叉比较获得，相比竞争性基准模型更为准确，结果揭示了媒体的高层次偏见存在，即使是在拥有客观和无党派的强烈规范的主流媒体中也是如此。

Oct, 2023

该研究分析了推特上与 COVID-19 疫苗相关的负面言论，使用机器学习技术和自然语言处理技术，提出了 37 种负面话题，并指出 COVID-19 疫苗的消极态度随着疫苗接种的推广而逐渐降低，但需要关注疫苗安全性和政策问题。

Jul, 2022

本研究使用 Spark NLP for Healthcare 库中的临床和生物医学自然语言处理模型对 CNN 和 The Guardian 的新闻出版物进行分析，以探究 COVID-19 在这些媒体组织中的报道偏见，以及如何通过具体的医学概念与多种人口统计学数据的相关性把握这些报道的变化、患者所感受到的药品和疫苗的不良事件的情况，并进一步研究药品和疫苗制造商受到媒体报道的影响，得到疫苗犹豫等问题的关注度。

Mar, 2022

研究表明，媒体的政治偏见会影响受众的政治信仰及投票行为。通过三个手动注释的数据集及不同的可视化策略测试，结果表明手动注释偏见的可视化比框架可视化更有效。通过多层次模型，可以发现记者的偏见与文章的政治极端性和公正性有显著联系。

May, 2021

本研究提供了一种利用新型的疫苗叙事分类任务，将 COVID-19 疫苗索赔划分为七个类别，帮助事实核查人员监控网络上的疫苗叙述，这可以应对社交媒体上传播疫苗误信息导致的拒绝接种的问题。同时，研究团队开发了一种神经疫苗叙事分类器可供公开使用，达到了 84% 的准确率。

Jul, 2022

本研究利用一个新的、基于 6964 篇新闻文章的辅助指标标签的语料库，开发了一种神经模型对新闻文章中的政治偏见和不公平进行分析，并从单词到整篇文章的不同层次的文本粒度发现了深刻的偏见模式。

Oct, 2020

使用自然语言处理技术，我们旨在以最高的准确率确定和分类关于 COVID-19 疫苗的观点。

Nov, 2023

本文旨在通过分析 Twitter 语料库，识别出在疫情前后关于疫苗持不同态度的特定用户群体，并研究疫苗相关话题的变化，以了解公众对 COVID-19 疫苗的态度变化和原因。

Nov, 2021