Media Framing through the Lens of Event-Centric Narratives
Dieses Paper schlägt ein Framework vor, das Ereignisse extrahiert und zu übergeordneten Narrativen gruppiert, um zu erklären, wie Medien Framing-Instrumente konstruieren, wobei es dessen Effektivität bei der Analyse der US-amerikanischen Berichterstattung über Einwanderung und Waffenkontrolle demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, eine komplexe Geschichte zu verstehen, wie etwa einen Nachrichtenbericht über Einwanderung oder Waffenkontrolle. Oft erzählen verschiedene Nachrichtenmedien dieselben grundlegenden Fakten, drehen sie aber auf völlig unterschiedliche Weise. Das eine Medium sagt vielleicht: „Einwanderer helfen unserer Wirtschaft zu wachsen“, während ein anderes sagt: „Einwanderer nehmen den Bürgern die Arbeitsplätze weg.“ In der Welt der Kommunikation nennt man das Framing (Rahmung). Es ist wie ein Fotograf, der einen bestimmten Winkel und eine bestimmte Beleuchtung wählt, um ein Subjekt als Helden oder Schurken darzustellen, obwohl das Subjekt selbst unverändert bleibt.
Dieses Paper schlägt eine neue Art vor, zu verstehen, wie diese Frames aufgebaut werden. Anstatt nur nach bestimmten Schlüsselwörtern (wie „Wirtschaft“ oder „Kriminalität“) zu suchen, schlagen die Autoren vor, die Handlungslinien oder Narrative innerhalb des Textes zu betrachten.
Hier ist eine einfache Aufschlüsselung ihres Ansatzes:
1. Die Kernidee: Von Schlüsselwörtern zu Handlungsketten
Betrachten Sie einen Nachrichtenartikel nicht als einen Sack voller Wörter, sondern als eine Kette von Ereignissen.
- Der alte Weg: Computer suchen früher nach „Themenmarkern“. Wenn sie die Wörter „Waffe“, „Gesetz“ und „Gericht“ sahen, konnten sie vermuten, dass der Artikel über „Rechtmäßigkeit“ handelt. Aber das ist so, als würde man versuchen, einen Film zu verstehen, indem man nur eine Liste der Requisiten liest (eine Waffe, ein Hammer, ein Auto). Man verpasst die Handlung.
- Der neue Weg: Die Autoren wollen die Ursache-Wirkungs-Beziehungen und die zeitliche Abfolge von Ereignissen nachverfolgen. Sie fragen: „Geschah Ereignis A vor Ereignis B?“ oder „Verursachte Ereignis A das Ereignis B?“
2. Wie sie es gemacht haben: Das „Event Detective“-Framework
Die Forscher bauten ein Computersystem, das wie ein Detektiv fungiert, der einen Zeitstrahl zusammensetzt. Hier ist der schrittweise Prozess, den sie verwendet haben:
- Schritt 1: Handlungen erfassen: Das System scannt einen Nachrichtenartikel und zieht Paare von Handlungen und deren Zielen heraus. Zum Beispiel findet es
(Verb: „verhaften“, Objekt: „Schmuggler“)oder(Verb: „zahlen“, Objekt: „Bußgeld“). - Schritt 2: Die Punkte verbinden: Das System untersucht dann jedes Paar dieser Handlungen und fragt: „Sind diese beiden Ereignisse miteinander verwandt?“
- Zeitliche Verknüpfung: Geschah eines kurz nach dem anderen? (z. B. „Bußgeld zahlen“ „Einwohner werden“).
- Kausale Verknüpfung: Hat eines das andere verursacht? (z. B. „Hintergrundüberprüfungen vorschreiben“ „Schlupfloch schließen“).
- Schritt 3: Die Kette aufbauen: Es verknüpft diese Paare zu kurzen Handlungsgeschichten (Story Chains).
- Schritt 4: Die Geschichten gruppieren (Der magische Schritt): Hier setzten sie ein leistungsfähiges KI-Modell (ein Large Language Model) ein. Die KI liert diese kurzen Ketten und fasst sie in einem einzigen, klaren Satz zusammen, der das „Thema“ der Geschichte erklärt.
- Beispiel: Anstatt nur „Verhaftung“, „Durchsuchung“ und „Schmuggel“ zu sehen, gruppiert die KI diese in ein narratives Thema wie: „Behörden gehen gegen Schleuseroperationen vor.“
4. Was sie fanden: Die „Geschichte“ sagt den „Spin“ voraus
Das Team testete dies anhand von Nachrichten über Einwanderung und Waffenkontrolle. Sie wollten sehen, ob diese „narrativen Themen“ erklären konnten, warum ein Artikel auf eine bestimmte Weise gerahmt wurde (z. B. als ein Thema der „Kriminalität“ vs. ein Thema der „Wirtschaft“).
- Das Ergebnis: Das System war sehr gut darin. Indem es die Geschichten betrachtete, die erzählt wurden (die Ketten von Ereignissen), konnte der Computer den „Frame“ des Artikels genau vorhersagen.
- Die Analogie: Wenn Sie wissen wollen, ob ein Koch ein scharfes oder ein süßes Gericht zubereitet, ist es in Ordnung, auf die Liste der Zutaten (Schlüsselwörter) zu schauen. Aber wenn Sie auf die Rezeptschritte (die narrative Kette) schauen, können Sie genau sagen, wie das fertige Gericht schmecken wird.
- In den Einwanderungs-Nachrichten gruppierten sich Geschichten über „Verhaftungen“, „Razzien“ und „Schmuggler“ zu einem Frame wie: „Verbrechen und Bestrafung“.
- In den Waffenkontroll-Nachrichten gruppierten sich Geschichten über „Gerichtsentscheidungen“, „Verfassungszusätze“ und „Rechte“ zu einem Frame wie: „Rechtmäßigkeit und Verfassungsmäßigkeit“.
5. Warum das wichtig ist
Die Autoren argumentieren, dass bisherige Methoden zu oberflächlich waren. Sie waren, als würde man einen Wald betrachten und einfach nur sagen: „Er ist grün.“ Diese neue Methode betrachtet die spezifischen Bäume, wie sie miteinander verbunden sind und welchen Pfad man durch sie hindurch geht.
Durch die Konzentration auf ereigniszentrierte Narrative (die spezifische Abfolge von Handlungen und deren Folgen) zeigten die Forscher, dass wir besser verstehen können, wie die Medien Argumente konstruieren. Es geht nicht nur darum, welche Wörter verwendet werden, sondern darum, wie die Geschichte sequenziert wird, um den Leser zu einem bestimmten Schluss zu führen.
Zusammenfassung
Kurz gesagt lehrt dieses Paper Computern, aufzuhören, nur Wörter zu zählen, und statfangen, den Handlungsablauf (Plot) zu lesen. Durch die Identifizierung der Art und Weise, wie Ereignisse in Zeit und Kausalität verknüpft sind, kann das System Nachrichtengeschichten in bedeutungsvolle Themen gruppieren und so offenlegen, wie die Medien komplexe Themen wie Einwanderung und Waffenkontrolle „framen“.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.