From Entity Mentions to Tone: An LLM-Based Pipeline for Media Bias Analysis

आधुनिक दुनिया में, हम जो समाचार पढ़ते हैं वह शायद ही कभी तथ्यों के एक तटस्थ प्रवाह के रूप में आता है। इसके बजाय, इसे संपादकों के विकल्पों और उन एल्गोरिदम के माध्यम से फ़िल्टर किया जाता है जो यह तय करते हैं कि हमें क्या दिखाई दे। ये फिल्टर गेटकीपर (द्वारपाल) के रूप में कार्य करते हैं, जो यह निर्धारित करते हैं कि कौन सी कहानियाँ हम तक पहुँचती हैं और उन्हें कैसे प्रस्तुत किया जाता है। एक राजनीतिक घटना के बारे में एक आउटलेट द्वारा इसे एक विजय के रूप में प्रस्तुत किया जा सकता है और दूसरे द्वारा एक विफलता के रूप में, इसलिए नहीं कि तथ्य बदल गए, बल्कि इसलिए क्योंकि लहजा और ध्यान बदल गया। यह घटना, जिसे मीडिया पूर्वाग्रह (मीडिया बायस) कहा जाता है, बड़े पैमाने पर ट्रैक करना कठिन है क्योंकि इसमें भाषा के सूक्ष्म बदलाव, विशिष्ट विवरणों का चयन, और विभिन्न लोगों एवं घटनाओं को दिए जाने वाले भावनात्मक महत्व शामिल होते हैं। दशकों तक, इन पैटर्न को समझने के लिए मानव विशेषज्ञों की टीमों को एक-एक करके लेखों को पढ़ने और उनका विश्लेषण करने की आवश्यकता होती थी, जो एक धीमी और महंगी प्रक्रिया थी जो इंटरनेट की गति के साथ तालमेल नहीं बिठा सकती थी।

शोधकर्ताओं ने इस समस्या को हल करने के लिए आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) की ओर रुख करना शुरू कर दिया है, इस उम्मीद में कि इन सूक्ष्म पूर्वाग्रहों का पता लगाने की प्रक्रिया को स्वचालित किया जा सके। हालाँकि, दुनिया के कई हिस्सों के लिए एक महत्वपूर्ण बाधा बनी हुई है: अधिकांश उन्नत भाषा उपकरण अंग्रेजी जैसी प्रमुख भाषाओं के लिए बनाए गए हैं, जिससे छोटी भाषाएँ अपने स्वयं के समाचारों का विश्लेषण करने के लिए विश्वसनीय सॉफ्टवेयर के बिना रह जाती हैं। इन क्षेत्रों में, विशेष उपकरणों की कमी का अर्थ है कि बुनियादी प्रश्न भी—जैसे कि किस समाचार स्रोतों ने किसी विशिष्ट घटना को कवर किया या विभिन्न आउटलेट्स ने एक ही सार्वजनिक व्यक्ति का वर्णन कैसे किया—निरंतरता के साथ उत्तर देना कठिन बना हुआ है। इन उपकरणों के बिना, यह देखना कठिन है कि सूचना को कैसे आकार दिया जा रहा है और वितरित किया जा रहा है।

तिराना विश्वविद्यालय, अल्बानिया के शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए एक नया दृष्टिकोण विकसित किया है। उन्होंने एक ऐसी प्रणाली बनाई जो एक शक्तिशाली, सामान्य-उद्देश्य वाले भाषा मॉडल का उपयोग करती है ताकि अल्बानियाई भाषा में लिखे गए हजारों समाचार लेखों को पढ़ा जा सके, जो एक ऐसी भाषा है जिसके लिए बहुत कम समर्पित डिजिटल उपकरण उपलब्ध हैं। यह प्रणाली केवल टेक्स्ट को पढ़ती ही नहीं है; बल्कि यह इसे विश्लेषण के तीन अलग-अलग स्तरों में विभाजित करती है। सबसे पहले, यह लेखों को विषयों और विशिष्ट घटनाओं में समूहित करती है ताकि यह देखा जा सके कि कौन सी कहानियाँ सुनाई जा रही हैं। दूसरा, यह उन कहानियों में उल्लेखित लोगों और संगठनों के नामों की पहचान करती है। तीसरा, और शायद सबसे महत्वपूर्ण, यह लेखन के भावनात्मक स्वर को मापती है, यह निर्धारित करती है कि किसी व्यक्ति या घटना का कवरेज सकारात्मक, नकारात्मक या तटस्थ है या नहीं। इन स्तरों को जोड़कर, यह पाइपलाइन न केवल यह मानचित्रित कर सकती है कि एक समाचार स्रोत क्या कवर करने का विकल्प चुनता है, बल्कि यह भी कि वह उन कहानियों में शामिल लोगों का वर्णन कैसे करता है।

अपने सिस्टम का परीक्षण करने के लिए, शोधकर्ताओं ने 124 विभिन्न अल्बानियाई समाचार स्रोतों से अप्रैल 2026 में प्रकाशित 8,358 समाचार लेखों का एक संग्रह एकत्र किया। उन्होंने इन लेखों को अपने पाइपलाइन में डाला, जिसने एक उन्नत भाषा मॉडल के स्थानीय संस्करण का उपयोग करके आवश्यक डेटा निकाला। लक्ष्य यह देखना था कि क्या यह स्वचालित विधि बिना किसी विशाल, पूर्व-मौजूद मानव-लेबल वाले उदाहरणों के डेटाबेस के विश्वसनीय परिणाम दे सकती है। शोधकर्ताओं ने अपने सिस्टम के आउटपुट की तुलना GDELT के एनोटेशन (चिह्नित विवरण) से की, जो एक बड़ा वैश्विक डेटाबेस है जो समाचारों को ट्रैक करने के लिए स्वचालित उपकरणों का उपयोग करता है। तुलना ने दोनों प्रणालियों के बीच मध्यम स्तर की सहमति का खुलासा किया, जिससे पता चलता कि नया पाइपलाइन स्थापित तरीकों के समान दिशा में काम कर रहा था। अधिक महत्वपूर्ण बात यह है कि शोधकर्ताओं ने पाया कि उनके सिस्टम ने उन लोगों के कई उल्लेखों की पहचान की जिन्हें GDELT सिस्टम ने छोड़ दिया था। लोगों के अतिरिक्त नामों को पकड़ने की यह क्षमता पूर्वाग्रह विश्लेषण के लिए अत्यंत महत्वपूर्ण है, क्योंकि किसी सार्वजनिक व्यक्ति को छोड़ देने से इस बात की समझ विकृत हो सकती है कि विभिन्न आउटलेट उस व्यक्ति के साथ कैसा व्यवहार करते हैं।

अध्ययन में निर्देशों या 'प्रॉम्प्ट्स' के दो अलग-अलग सेटों का भी परीक्षण किया गया, जो भाषा मॉडल को दिए गए थे, ताकि यह देखा जा सके कि कौन सा बेहतर काम करेगा। निर्देशों का एक सेट सख्त था, जिसमें मॉडल को अपने काम की दोबारा जांच करने की आवश्यकता थी ताकि यह सुनिश्चित हो सके कि उसके द्वारा दिए गए भावनात्मक लेबल उसके द्वारा दिए गए संख्यात्मक स्कोर से मेल खाते हैं। दूसरा सेट सरल और तेज़ था। सख्त निर्देशों ने लेबल और स्कोर के बीच विसंगतियों को तो समाप्त कर दिया, लेकिन उन्होंने प्रक्रिया को काफी धीमा भी कर दिया और सिस्टम को संसाधित किए गए लेखों के लगभग आधे हिस्से को लेबल करने से रोक दिया। सरल निर्देशों ने, कुछ विसंगतियों के बावजूद, सिस्टम को समाचार संग्रह के एक बड़े हिस्से का विश्लेषण करने और बहुत तेज़ी से चलने की अनुमति दी। शोधकर्ताओं ने निष्कर्ष निकाला कि निरंतर समाचारों की निगरानी के लिए डिज़ाइन की गई प्रणाली के लिए, तेज़ और व्यापक दृष्टिकोण अधिक व्यावहारिक था, क्योंकि कुछ विसंगतियों को बाद में सरल नियमों के साथ ठीक किया जा सकता था।

इस पाइपलाइन द्वारा उत्पन्न डेटा का उपयोग करते हुए, शोधकर्ता विस्तृत प्रोफाइल बनाने में सक्षम रहे कि विभिन्न समाचार स्रोत कैसे संचालित होते हैं। उन्होंने पाया कि कुछ आउटलेट लगातार विषयों को अधिक अनुकूल स्वर के साथ फ्रेम करते थे, जबकि अन्य व्यवस्थित रूप से अधिक आलोचनात्मक थे। सिस्टम विशिष्ट सार्वजनिक हस्तियों को भी ट्रैक कर सकता था, जिससे यह दिखाया गया कि कैसे एक ही व्यक्ति को एक समाचार पत्र में सकारात्मक स्वर के साथ और दूसरे में नकारात्मक स्वर के साथ वर्णित किया जा सकता है। उदाहरण के लिए, विश्लेषण ने दिखाया कि राजनीतिक हस्तियों का कवरेज स्रोत के आधार पर काफी भिन्न था, जहाँ कुछ आउटलेट लगभग पूरी तरह से सकारात्मक कवरेज प्रदान करते थे जबकि अन्य मुख्य रूप से आलोचनात्मक थे। इसके अतिरिक्त, सिस्टम "गेटकीपिंग" घटनाओं की पहचान कर सकता था—ऐसी कहानियाँ जिन्हें केवल कुछ ही स्रोतों द्वारा कवर किया गया था जबकि शेष मीडिया परिदृश्य द्वारा उन्हें अनदेखा किया गया था। इसने शोधकर्ताओं को न केवल समाचार के स्वर को देखने में मदद की, बल्कि विशिष्ट कहानियों की पहुंच और यह भी देखने में मदद की कि सूचना कहाँ केंद्रित या रोकी जा रही थी।

यह कार्य प्रदर्शित करता है कि बिना किसी विशेष, भाषा-विशिष्ट प्रशिक्षण डेटा के, कम-संसाधन वाली भाषाओं में मीडिया पूर्वाग्रह का विश्लेषण करने के लिए एक संरचित, स्वचालित प्रणाली बनाना संभव है। शोधकर्ता इस बात पर जोर देते हैं कि उनका उपकरण मानव निर्णय या विशेषज्ञ समीक्षा को बदलने के लिए नहीं है, बल्कि एक तेज़ शुरुआती बिंदु के रूप में कार्य करने के लिए है। यह लेखों के एक विशाल संग्रह को स्पष्ट संकेतों में बदल देता है जिसे अधिक आसानी से जांचा जा सकता है। नामों, विषयों और स्वरों के प्रारंभिक निष्कर्षण को स्वचालित करके, यह प्रणाली उस सामग्री की मात्रा को कम करती है जिसे मनुष्यों को शुरुआत से पढ़ने की आवश्यकता होती है। यह विशेष रूप से उन वातावरणों में मूल्यवान है जहाँ निरंतर निगरानी कठिन है और जहाँ विशेष भाषा उपकरण दुर्लभ हैं। शोधकर्ता सुझाव देते हैं कि यह दृष्टिकोण एक पुनरुत्पादक ब्लूप्रिंट प्रदान करता है जिसे अन्य भाषाओं और क्षेत्रों पर लागू किया जा सकता है, जो यह देखने का एक तरीका प्रदान करता है कि समाचार को कैसे फ्रेम किया जा रहा है और सार्वजनिक चर्चा में किसे सुना जा रहा है।