The MediaSpin Dataset: Post-Publication News Headline Edits Annotated for Media Bias
यह शोध पत्र मीडियास्पिन (MediaSpin) डेटासेट प्रस्तुत करता है, जो प्रकाशन के बाद की समाचार सुर्खियों के 78,910 जोड़ों का एक व्यापक संग्रह है जिन्हें 13 प्रकार के मीडिया पूर्वाग्रहों के साथ एनोटेट किया गया है, जिसे यह विश्लेषण करने के लिए डिज़ाइन किया गया है कि संपादकीय संपादन जन धारणा को कैसे आकार देते हैं और पूर्वाग्रह भविष्यवाणी को सक्षम करते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक लाइव न्यूज़ ब्रॉडकास्ट देख रहे हैं। एंकर एक हेडलाइन पढ़ता है, लेकिन फिर, कुछ ही मिनटों बाद, वह रुकता है, अपने स्क्रिप्ट को देखता है, और कहता है, "दरअसल, मुझे इसमें थोड़ा बदलाव करने दीजिए।" वह यहाँ एक शब्द बदल देता है, वहाँ एक वाक्यांश जोड़ देता है, या एक विवरण हटा देता है। आपको, एक दर्शक के रूप में, यह एक मामूली सुधार लग सकता है। लेकिन इस शोध पत्र (पेपर) के पीछे के शोधकर्ताओं के लिए, वह छोटा सा बदलाव जानकारी का एक खजाना है।
यहाँ MediaSpin की कहानी है, जिसे सरल शब्दों में समझाया गया है।
द "मैजिक एडिट" बटन
ऑनलाइन समाचारों को एक ऐसे गूगल डॉक की तरह समझें जो कभी भी एडिट होना बंद नहीं होता। पुराने दिनों में, एक बार जब अखबार छप जाता था, तो कहानी स्याही में जम जाती थी। आज, समाचार आउटलेट "सेव" (Save) कर सकते हैं और फिर बार-बार "एडिट" (Edit) कर सकते हैं।
शोधकर्ताओं (प्रीतिका वर्मा और कोकिल जैदका) ने महसूस किया कि ये एडिट्स (Edits) इस बात का "बिहाइंड-द-सीन्स" मूवी की तरह हैं कि समाचार कैसे बनाया जाता है। उन्होंने MediaSpin नामक एक विशाल लाइब्रेरी बनाई जो 78,910 हेडलाइंस के जोड़ों को ट्रैक करती है: "ओरिजिनल ड्राफ्ट" (मूल प्रारूप) और "फाइनल एडिटेड वर्जन" (अंतिम संपादित संस्करण)।
उन्होंने केवल यह नहीं देखा कि क्या बदला गया; उन्होंने पूछा, क्यों बदला गया? क्या संपादक ने कहानी को अधिक रोमांचक बनाने के लिए इसे बदला? क्या उन्होंने एक उबाऊ लेकिन महत्वपूर्ण तथ्य को छोड़ दिया? क्या उन्होंने एक तटस्थ शब्द को एक भावनात्मक शब्द से बदल दिया?
पक्षपात के 13 "फ्लेवर्स" (स्वाद)
इन बदलावों को समझने के लिए, शोधकर्ताओं ने 13 प्रकार के "फ्लेवर्स" (या पक्षपात/बायस) की एक सूची बनाई जो संपादक अनजाने में या जानबूझकर किसी कहानी में जोड़ सकते हैं। इसे एक शेफ के स्वाद लेने जैसा समझें जो तय करता है कि सूप में बहुत अधिक नमक डालना है, या लहसुन छोड़ देना है।
यहाँ इन फ्लेवर्स के कुछ उदाहरण दिए गए:
- सनसनीखेज (The "Popcorn" Effect): "एक कार दुर्घटना हुई" को "एक भयानक दुर्घटना!" में बदलना ताकि आपका दिल तेजी से धड़कने लगे।
- माइंड रीडिंग (The "Crystal Ball"): "राजनेता ने वोट नहीं दिया" को "राजनेता, जिन्हें स्पष्ट रूप से परवाह नहीं थी, उन्होंने वोट नहीं दिया" में बदलना। (संपादक राजनेता की भावनाओं का अनुमान लगा रहा है)।
- ओमिशन (The "Magic Eraser"): स्रोत का नाम हटा देना। "स्वास्थ्य विभाग कहता है..." के बजाय, यह सिर्फ "लाखों लोग बीमार हो सकते हैं" बन जाता है।
- स्पिन (The "Reframing"): "प्रदर्शनकारियों ने रास्ता रोका" को "दंगारियों ने रास्ता रोका" में बदलना। क्रिया वही है, लेकिन अहसास पूरी तरह से अलग है।
उन्होंने यह कैसे किया (द रोबोट शेफ)
78,000 हेडलाइंस का विश्लेषण करने में एक मानव टीम को वर्षों लग सकते हैं। इसलिए, शोधकर्ताओं ने एक सुपर-स्मार्ट AI रोबोट (एक लार्ज लैंग्वेज मॉडल) का उपयोग किया जो हर हेडलाइन जोड़ी को पढ़ा और बदलावों को टैग किया।
यह सुनिश्चित करने के लिए कि रोबोट भ्रमित (hallucinating) न हो, मानव विशेषज्ञों ने "सूप का स्वाद परीक्षण" किया। उन्होंने लगभग 500 उदाहरणों की जांच की, और इंसान रोबोट के साथ 85% बार सहमत थे। यह परफेक्ट नहीं था (रोबोट कभी-कभी सूक्ष्म संदर्भ मिस कर देते हैं), लेकिन यह एक विशाल मानचित्र बनाने के लिए पर्याप्त अच्छा था कि समाचार कैसे बदलते हैं।
उन्होंने क्या खोजा: "जियोग्राफी गेम"
जब उन्होंने डेटा देखा, तो उन्हें कुछ दिलचस्प पैटर्न मिले, जैसे देशों के साथ "लुका-छिपी" का खेल:
- "बड़े नाम" और बड़े होते जाते हैं: जब हेडलाइंस को एडिट किया गया, तो अमेरिका, चीन और रूस जैसे देशों को अक्सर हेडलाइन में जोड़ा गया। संपादक चाहते थे कि बड़े खिलाड़ियों के नाम सुनिश्चित किए जाएं।
- "छोटे नाम" और छोटे होते जाते हैं: बेल्जियम, फिलीपींस या क्यूबा जैसे देशों को अक्सर हटा दिया गया या "यूरोप" या "एशिया" जैसे अस्पष्ट शब्दों से बदल दिया गया।
- उपमा: मंच पर एक स्पॉटलाइट की कल्पना करें। संपादक छोटे अभिनेताओं (छोटे देशों) से स्पॉटलाइट हटाकर मुख्य सितारों (महाशक्तियों) पर केंद्रित कर रहे हैं, जिससे छोटे अभिनेता पृष्ठभूमि में धुंधले पड़ जाते हैं।
"क्लिकबेट" प्रभाव
शोधकर्ताओं ने यह भी देखा कि हेडलाइन एडिट होने के बाद क्या होता है। उन्होंने X (पूर्व में ट्विटर) पर लोगों की प्रतिक्रिया को ट्रैक किया।
उन्होंने एक सरल नियम पाया: हेडलाइन जितनी अधिक पक्षपाती (biased) होगी, लोग उतना ही अधिक क्लिक, लाइक और शेयर करेंगे।
- यदि संपादक ने एक भावनात्मक शब्द (जैसे "भयानक") जोड़ा, तो लोग इसे अधिक साझा करते हैं।
- यदि संपादक ने एक उबाऊ स्रोत उद्धरण को हटा दिया, तो लोग इसे अधिक साझा करते हैं।
यह एक मेले के उद्घोषक (carnival barker) की तरह है। जितना नाटकीय प्रचार होगा, उतने ही अधिक लोग देखने के लिए रुकेंगे। डेटा बताता है कि जब समाचार आउटलेट अपनी हेडलाइंस में "मसाला" लगाते हैं, तो इंटरनेट उसे चाव से ग्रहण करता है, भले ही वह मसाला कहानी को कम सटीक बना दे।
यह क्यों मायने रखता है
यह पेपर हमारे लिए न्यूज़रूम के लिए एक माइक्रोस्कोप की तरह है।
पहले, हम समाचार कहानी को केवल उसके अंतिम, पॉलिश किए हुए संस्करण से ही परख सकते थे। हमें नहीं पता था कि क्या संपादक को एक तथ्य को बनाए रखने के लिए संघर्ष करना पड़ा था, या उन्होंने कहानी को अधिक प्रभावशाली बनाने के लिए किसी विवरण को हटाने का निर्णय लिया था।
MediaSpin हमें दिखाता है कि समाचार केवल "रिपोर्ट" नहीं किए जाते; वे गढ़े (sculpted) जाते हैं। हर बार जब एक शब्द जोड़ा या हटाया जाता है, तो यह दुनिया को देखने के हमारे नजरिए को बदल देता है।
- यदि हम किसी देश का नाम हटा देते हैं, तो वह देश अदृश्य हो जाता है।
- यदि हम एक भावनात्मक शब्द जोड़ते हैं, तो वह घटना डरावनी हो जाती है।
मुख्य बात:
अगली बार जब आप कोई समाचार हेडलाइन देखें, तो याद रखें कि यह अंतिम संस्करण नहीं हो सकता है। इसे एक विशिष्ट कोण (angle) के अनुरूप ढालने के लिए थोड़ा बदला, मसालेदार बनाया या छाँटा गया होगा। यह डेटासेट हमें उन अदृश्य हाथों को देखने में मदद करता है जो समाचार को आकार दे रहे हैं, और हमें याद दिलाता है कि पूछना चाहिए: "उन्होंने क्या बदला, और क्यों?"
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।