Multimodal Analysis of State-Funded News Coverage of the Israel-Hamas War on YouTube Shorts
यह शोध पत्र एक मल्टीमॉडल पाइपलाइन प्रस्तुत करता है जो इज़राइल-हमास युद्ध को कवर करने वाले 2,300 से अधिक राज्य-वित्तपोषित यूट्यूब शॉर्ट्स का विश्लेषण करने के लिए स्वचालित ट्रांसक्रिप्शन, एस्पेक्ट-आधारित भावना विश्लेषण और सिमेंटिक सीन क्लासिफिकेशन को संयोजित करता है, जो विभिन्न आउटलेट्स में विशिष्ट भावना पैटर्न को प्रकट करता है और यह प्रदर्शित करता है कि संसाधन-कुशल, डोमेन-अनुकूलित मॉडल इस विशिष्ट अनुसंधान संदर्भ में बड़े ट्रांसफॉर्मर्स से बेहतर प्रदर्शन कर सकते 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 विशाल, अराजक युद्ध क्षेत्र को समझने की कोशिश कर रहे हैं, लेकिन इसके बजाय कि आप मोटे समाचार पत्र पढ़ें या एक घंटे लंबे वृत्तचित्र देखें, आपको अपने फोन पर केवल 60 सेकंड के क्लिप देखने की अनुमति है। ये YouTube Shorts हैं। ये तेज़, भावनात्मक और अक्सर बहुत विशिष्ट कहानी बताते हैं, जो इस बात पर निर्भर करता है कि कैमरा किसके हाथ में है।
यह पेपर एक जासूस के टूलकिट (detective's toolkit) की तरह है जिसे यह समझने के लिए डिज़ाइन किया गया है कि विभिन्न देश इन छोटे, तेज़ वीडियो का उपयोग करके इज़राइल-हमास युद्ध के बारे में क्या कहानियाँ सुना रहे हैं।
यहाँ बताया गया है कि शोधकर्ताओं ने इसे कैसे किया और उन्हें क्या मिला, कुछ सरल उपमाओं (analogies) का उपयोग करते हुए:
1. समस्या: समाचारों का "टिकटॉक-करण" (TikTok-ification)
समाचार पहले एक धीमा, सावधानीपूर्वक परोसा गया भोजन हुआ करते थे। अब, यह एक स्नैक (snack) है। छोटे वीडियो (Shorts) हर जगह हैं। वे जटिल युद्धों को सरल, भावनात्मक टुकड़ों में समेट देते हैं। समस्या यह है कि हम वास्तव में यह नहीं जानते कि विभिन्न देश (विशेष रूप से वे जो अपने सरकारों द्वारा वित्त पोषित हैं, जैसे कि BBC, Al Jazeera, या TRT World) इन स्नैक्स का उपयोग हमारी सोच को आकार देने के लिए कैसे कर रहे हैं। क्या वे हमें एक ही युद्ध दिखा रहे हैं, या बिल्कुल अलग युद्ध?
2. समाधान: एक "रोबोट जासूस" पाइपलाइन
शोधकर्ताओं ने 2,300 से अधिक इन छोटे वीडियो और उनसे 94,000 व्यक्तिगत चित्रों (फ्रेम्स) का विश्लेषण करने के लिए एक तीन-भागों वाली रोबोट टीम बनाई। इस टीम के पास तीन विशेष कौशल हैं:
- ट्रांसक्राइबर (कान): सबसे पहले, रोबोट वीडियो को सुनता है और लिखता है कि क्या कहा जा रहा है, यानी भाषण को टेक्स्ट में बदल देता है।
- इमोशन डिटेक्टिव (दिल): इसके बाद, यह टेक्स्ट को पढ़ता है और पूछता है: "किसके बारे में बात की जा रही है, और लहजा खुश, उदास या क्रोधित है?" यह एक शिक्षक की तरह है जो छात्र के निबंध को ग्रेड देता है, लेकिन "A" या "F" के बजाय, यह "इज़राइल", "फिलिस्तीन" या "हमास" जैसे विशिष्ट विषयों के लिए "सकारात्मक (Positive)", "तटस्थ (Neutral)", या "नकारात्मक (Negative)" देता है।
- विजुअल एनालिस्ट (आंखें): अंत में, यह वीडियो में चित्रों को देखता है। यह केवल "एक इमारत" नहीं देखता; यह दृश्य को वर्गीकृत करता है। क्या यह एक युद्ध का मैदान (battlefield) है? एक न्यूज एंकर स्टूडियो में? एक विरोध प्रदर्शन (protest)? एक बर्बाद शहर? शोधकर्ताओं ने रोबोट के लिए अराजकता को व्यवस्थित श्रेणियों में छाँटने के लिए 7 दृश्य प्रकारों का एक सरल "मेन्यू" बनाया।
3. बड़ा आश्चर्य: छोटे रोबोट बड़े रोबोटों को हरा देते हैं
आमतौर पर, AI की दुनिया में, लोग सोचते हैं कि "बड़ा बेहतर है।" वे मानते हैं कि सबसे शक्तिशाली, महंगे सुपर-कंप्यूटर (जैसे विशाल AI मॉडल) सबसे अच्छा काम करेंगे।
लेकिन यहाँ एक मोड़ है: शोधकर्ताओं ने पाया कि एक छोटा, विशिष्ट रोबोट वास्तव में विशाल, महंगे मॉडलों की तुलना में बेहतर काम करता है।
- उपमा: कल्पना कीजिए कि आप एक विशिष्ट प्रकार की घड़ी ठीक करने की कोशिश कर रहे हैं। आप एक विशाल, सामान्य उद्देश्य वाला फैक्ट्री रोबोट ला सकते हैं जो कारें और घर बना सकता है, लेकिन वह छोटे स्क्रू को संभालने में लड़खड़ा सकता है। या, आप एक छोटा, विशेषज्ञ घड़ीसाज़ ला सकते हैं जो केवल घड़ियाँ ठीक करता है। घड़ीसाज़ (छोटा मॉडल) इस विशिष्ट कार्य के लिए तेज़, सस्ता और अधिक सटीक था। यह उन शोधकर्ताओं के लिए बहुत अच्छी खबर है जिनके पास सुपर-कंप्यूटर पर खर्च करने के लिए लाखों डॉलर नहीं हैं।
4. उन्हें क्या मिला? (युद्ध की कहानी)
जब उन्होंने डेटा को देखा, तो उन्होंने पाया कि विभिन्न देश, एक ही घटनाओं के बारे में बात करते हुए भी, बहुत अलग कहानियाँ सुना रहे थे।
- "भावनात्मक" प्रसारक (Al Jazeera और TRT World): ये आउटलेट भावुक कहानीकारों की तरह थे। उनके वीडियो अत्यधिक भावनात्मक थे। वे इज़राइल को बहुत नकारात्मक रूप में और फिलिस्तीन को बहुत सकारात्मक रूप में दिखाने की प्रवृत्ति रखते थे। दिलचस्प बात यह है कि जो वीडियो सबसे अधिक भावनात्मक थे (या तो बहुत सकारात्मक या बहुत नकारात्मक), उन्हें सबसे अधिक व्यूज (views) मिले। ऐसा लगता है कि लोग तीव्र भावनाओं से नज़र नहीं हटा सकते।
- "तटस्थ" प्रसारक (BBC और DW): ये आउटलेट शांत रिपोर्टरों की तरह थे। वे तटस्थ रहने की कोशिश करते थे, कम चरम भावनाएं दिखाते थे। हालाँकि, उनके जिन वीडियो में नकारात्मक खबरें थीं, उन्हें सकारात्मक वीडियो की तुलना में अधिक व्यूज मिले।
- विजुअल्स वास्तविकता से मेल खाते हैं: रोबोट की "आंखों" ने पुष्टि की कि चित्र वास्तविक घटनाओं से मेल खाते थे। जब अमेरिका में कोई बड़ा विरोध प्रदर्शन हुआ या किसी विशिष्ट शहर में संकट आया, तो वीडियो में वे सटीक दृश्य दिखाई दिए। रोबोट लगभग 87% सटीकता के साथ एक "न्यूज इंटरव्यू" और एक "मानवीय संकट" के बीच अंतर कर सका।
5. छिपा हुआ तरीका: "कोट" (Quote) का खेल
एक सबसे दिलचस्प खोज यह थी कि भावना को कैसे पहुँचाया गया।
अक्सर, स्टूडियो में न्यूज़ एंकर शांत और तटस्थ सुनाई देता था। लेकिन फिर, वीडियो एक प्रदर्शनकारी के चिल्लाने या एक इंटरव्यू देने वाले व्यक्ति के कुछ बहुत कठोर कहने के क्लिप पर कट जाता था।
- उपमा: यह एक न्यूज़ एंकर द्वारा "यहाँ एक शांत रिपोर्ट है" कहने जैसा है, लेकिन फिर किसी ऐसे व्यक्ति का वीडियो चलाना जो चिल्ला रहा है, "यह एक आपदा है!" एंकर ने कठोर शब्द नहीं कहे, लेकिन उन्हें दिखाकर, वीडियो ने फिर भी आपको क्रोध महसूस कराया। शोधकर्ताओं ने पाया कि "भावना" अक्सर अन्य लोगों के इन क्लिप्स से आती थी, न कि स्वयं न्यूज़ चैनल से।
6. यह क्यों मायने रखता है?
यह अध्ययन इस बात का ब्लूप्रिंट है कि हम समाचार के भविष्य को कैसे समझ सकते हैं।
- छोटे वीडियो शक्तिशाली हैं: वे हमें बिना पूरा संदर्भ दिए बहुत जल्दी कुछ महसूस करा सकते हैं।
- हमें बेहतर उपकरणों की आवश्यकता है: हम अब केवल समाचार पढ़ नहीं सकते; हमें चित्रों और आवाज़ के लहजे का भी विश्लेषण करना होगा।
- आपको सुपरकंप्यूटर की आवश्यकता नहीं है: आप नियमित लोगों और विश्वविद्यालयों के लिए सुलभ, छोटे और स्मार्ट उपकरणों का उपयोग करके यह समझ सकते हैं कि दुनिया को कैसे चित्रित किया जा रहा है।
संक्षेप में: शोधकर्ताओं ने हजारों लघु युद्ध वीडियो को देखने के लिए एक स्मार्ट, कुशल रोबोट टीम बनाई। उन्होंने पाया कि विशाल मॉडलों की तुलना में छोटे, विशिष्ट रोबोट पक्षपात और भावना को पहचानने में बेहतर होते हैं, और उन्होंने पाया कि विभिन्न देश इन लघु वीडियो का उपयोग एक ही युद्ध की बहुत अलग, अत्यधिक भावनात्मक कहानियाँ सुनाने के लिए कर रहे हैं।
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।