The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters
本文通过对比利用德国新闻文章收集关于山体滑坡的文本型灾害数据的自上而下与自下而上方法，证明了在社会环境研究中，方法的选择会显著影响事件覆盖范围及随后的研究结果。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图编写一部关于全球每一次山体滑坡的历史书。你有两种主要方式来收集这些故事，而这篇论文就像是一个侦探，正在比较哪种方法能提供最完整、最准确的全景图。
两位侦探：自上而下 vs. 自下而上
1. 自上而下的侦探（“清单式”方法）
把这位侦探想象成一个拿着已知山体滑坡预先写好的列表（称为“灾害清单”，例如著名的全球数据库 EM-DAT）的人。
- 工作方式： 他们查看自己的列表，挑选出一个特定的山体滑坡，然后去新闻档案中寻找关于那个特定事件的故事。
- 缺陷： 如果某次山体滑坡发生了，但没在他们的原始列表中，那么这位侦探永远不会去寻找它。他们只寻找那些他们已经知道的事情。
2. 自下而上的侦探（“搜寻者”方法）
这位侦探手里没有列表。相反，他们潜入新闻档案，利用计算机程序扫描数以千计的文章。他们寻找模式：“嘿，在 X 国发生了很多关于山体滑坡的文章，而且时间差不多。让我们把这些归为一起，作为一次‘事件’。”
- 工作方式： 他们完全基于新闻报道的内容，从底层向上构建事件列表。
- 缺陷： 他们可能会把不该归为一类的东西归在一起，或者他们发现的“事件”可能只是对山体滑坡的泛泛讨论，而不是指正在发生的特定灾难。
实验：关于全球山体滑坡的德国新闻
研究人员使用 55,000 篇关于全球山体滑坡的德语新闻文章测试了这两种方法。以下是他们的发现：
- 自上而下的侦探漏掉了很多： 当他们尝试寻找与官方清单上山体滑坡相匹配的新闻故事时，他们只找到了约 43% 的匹配项。这意味着对于超过一半的已知山体滑坡，在它们发生前后找不到相关的德语新闻报道。
- 自下而上的侦探找到了更多（但带有噪音）： 这种方法找到的“事件”数量是官方清单的两倍多。然而，其中只有约 16% 的新“事件”与官方清单相匹配。
- 重叠部分： 只有约 760 个事件是被两种方法同时发现的。这是“安全区”，即大家都认同确实发生了真实事件且得到了报道。
“虚假警报”问题
论文指出，自下而上的方法存在一个棘手的问题。因为计算机只是在寻找关键词和日期，它有时会创造出并非真正灾难的“事件”。研究人员在自下而上的堆栈中发现了四种类型的“虚假”事件：
- “实时”事件： 关于正在发生的山体滑坡的故事（好！）。
- “历史课”： 讲述 10 年前发生的山体滑坡，或关于旧灾难的法庭案件（不是新事件）。
- “泛泛讨论”： 关于山体滑坡风险、预警或科学研究的文章，并没有特定的灾难正在发生（不是特定事件）。
- “隐喻”： 使用“山体滑坡”一词来描述政治挫败或虚构电影场景的故事（完全错误）。
大局观：为什么这很重要
研究人员得出结论，没有任何一种方法本身是完美的。
- 如果你只使用自上而下的方法，你会因为受限于原始列表而错过许多故事。你可能会认为某个国家没有新闻报道，但实际上，仅仅是因为该事件不在你的列表上。
- 如果你只使用自下而上的方法，你会得到大量数据，但这些数据是“有噪音的”。你可能会把历史课或隐喻当作真实的灾难，从而使你的数据产生偏差。
核心启示：
要获得关于灾难如何被报道的最真实图景，你需要明白新闻不仅仅是现实的镜子；它也是一个过滤器。
- 官方清单（自上而下）会漏掉那些未被视为足够“严重”而记录下来的事件。
- 新闻搜索（自下而上）会捕捉到一切，包括那些并非真正新发灾难的内容。
论文建议，研究人员需要非常谨慎地对待他们使用的“视角”。如果你正在研究媒体如何对待不同国家，选择哪种方法会改变结果。例如，自下而上的方法发现了更多关于“全球南方”（发展中国家）的故事，而自上而下的方法则发现了更多关于富裕国家的故事。
简而言之：不要只信任一种数据收集方式。 你需要了解“清单式”和“搜寻者”各自的优缺点，才能避免得出错误的结论。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。