一目瞭然：事実報告のレンズを通したメディアバイアス

ニュースメディアにおける政治的バイアスの増加は、一般の認識を高めるとともに、その検出のための確実な方法が求められています。これまでの自然言語処理（NLP）の研究は、主に語彙の選択や構文などの言語的属性によって捉えられる語彙的バイアスに焦点を当ててきましたが、他のタイプのバイアスは、テキストに含めるために選択された実際のコンテンツから生じます。本研究では、情報バイアス、つまり事実のコンテンツが、読者の意見を左右するためにどのように利用されるかを調査します。まず、1,727のバイアススパンで注釈付けされた300のニュース記事の新しいデータセットBASILを作成し、情報バイアスがニュース記事において語彙的バイアスよりも頻繁に現れる証拠を見出しました。さらに、異なるメディアアウトレットにおけるニュース記事で情報バイアスがどのように表れるかを観察するために、我々の注釈を研究します。最後に、我々のラベル付きデータに基づいてBERTをファインチューニングすることで、情報バイアス予測のベースラインモデルを提示し、この課題の難しさと今後の方向性を示します。