Jan, 2024

健康相关叙事的框架分析：阴谋论与主流媒体

PDF
TL;DR我们研究了在线媒体对健康相关话题的框架，特别是在阴谋理论和主流媒体中的不同框架。我们采用了一种基于语义图的新颖框架提取方法，发现阴谋媒体中的健康相关叙述主要以信念为框架，而主流媒体则倾向于以科学为框架。我们希望我们的工作为更细致的框架分析提供新的方法。
online mediaframingnatural language processingcovid-19conspiracy media
发现论文，激发创造
  • 新闻框架：从人类感知到大型语言模型推断

    本文通过对欧洲五个国家的 No-Vax 运动相关文章的标题进行人工标记及使用 GPT-3.5 的微调和提示工程来推断新闻标题的框架，以研究该主题。研究结果为新闻分类等任务的可行性和 GPT-3.5 模型是否能够复制人的感知能力做出贡献。

    Apr, 2023

  • 科学与阴谋：（误）信息时代中的集体叙事

    研究发现，在社交媒体上，信息消费者聚集在具有类似信息消费模式的独特叙事周围，尤其是在涉及科学与替代新闻时；而传播虚假和嘲讽性信息与阴谋论的新闻的常规受众是最愿意与其互动的。

    Aug, 2014

  • 冠状病毒时期的阴谋论：社交媒体和新闻中自动检测 Covid-19 阴谋论

    通过自动化机器学习方法和叙事理论，分析社交媒体上的谣言和阴谋论，揭示支撑这些谣言生成的基本叙事框架，及其如何与关于 Covid-19 疫情的报道相关，以寻找疫情报道中易被阴谋论重新解释的薄弱点。

    Apr, 2020

  • 冲突、反派、结局：构建叙事媒体框架模型

    本研究旨在重新评估传播科学中的框架概念，将其与故事中重要实体的叙事框架相结合，提出自动检测多标签测定的框架，并在新闻机构的气候变化框架案例研究中应用传统的监督和半监督学习技术，最终在透明的预测中呈现了一种新的基于检索的既有效又透明的方法。

    Jun, 2023

  • 2000 年至 2017 年，150 万篇《纽约时报》文章的系统化媒体框架分析

    开发了一种媒体帧分类器，对从 2000 年到 2017 年发表的 150 万篇《纽约时报》文章进行系统分析，揭示了短期帧丰富度波动与主要事件的密切对应关系，以及包括 “文化认同” 帧逐渐普及等几个长期趋势。通过研究特定主题和情感，识别了每个帧的特征和动态，最后以群体枪击为例，揭示了三种主要的框架模式。这种可扩展的计算方法开辟了系统媒体框架研究的新途径。

    May, 2020

  • 评估计算机提取的叙事地图编码媒体框架的能力

    通过新闻数据，探索使用特定故事提取和表示方法（故事地图）捕捉其框架信息的能力，结果表明，虽然该算法捕捉了框架的分布，但在不同开始和结束事件中实现一致的框架存在挑战，同时强调了故事地图揭示新闻故事中错综复杂的框架动态的潜力，但直接利用框架信息进行计算故事提取仍然是一个未解决的挑战。

    May, 2024

  • 在线讨论中集体叙事位移的发现

    本研究提出了一种系统的叙述性发现框架，通过改变点检测、语义角色标注（SRL）和叙事片段的自动聚合来解决大规模文本下叙述性的提取，并在两个 Twitter 语料库中评估了我们的模型，结果表明我们的方法可以恢复相应于重大事件的主要叙述转变。

    Jul, 2023

  • OpenFraming: 我们提供 ML; 你提供数据。与数据互动，发现其框架

    介绍了一种基于主题建模和深度学习的系统，用于分析和分类文本文档中的框架，该系统提供了预训练的框架分类模型以及适用于用户提供的语料库的新型分类模型的易于使用的流水线，旨在使研究人员能够获得文档的框架

    Aug, 2020

  • 通过框架理论检测错误信息：基于框架元素的模型

    应用深度学习和大型语言模型的创新方法，探讨信息框架对误导性信息检测的影响，以及如何应用框架理论提升检测性能。

    Feb, 2024

  • 撰写关于 COVID-19 疫苗的文章：情感分析揭示主流和另类媒体如何定位阿斯利康、辉瑞和疫苗接种运动

    通过认知网络科学和自然语言处理，重构 5745 个意大利新闻的时间演化语义和情感框架，发现主流媒体对 COVID-19 疫苗进行了高度的信任和期望，而少数替代媒体则将疫苗与负面情感联系起来，并揭示了媒体如何报道疫苗新闻的关键方面。

    Jan, 2022