分析来自政治偏倚来源推特中的宣传
社会与信息网络
2025-07-14 v1
摘要
新闻机构众所周知具有政治关联性，许多国家级媒体会为迎合不同受众而培育政治偏见。为这些新闻机构工作的记者对所报道的故事具有重大影响。在本研究中，我们提出了一种方法论，用于分析与知名新闻机构affiliated记者在传播其偏见时所使用的类宣传语言的作用。我们引入JMBX（Journalist Media Bias on X），这是一个系统收集和标注的、包含1874条来自推特（现为X平台）推文的数据集。这些推文由来自10家政治偏见范围从极左到极右的知名新闻机构的记者所撰写。我们从数据中提取出几项洞见，并得出结论：与拥有温和政治倾向的记者相比，与拥有极端政治倾向的机构affiliated记者更可能在其著作中使用类宣传语言。我们对比了来自OpenAI和Google的八种大型语言模型（LLM），发现大型语言模型在检测社交媒体和新闻文章中的宣传时，通常比为宣传检测精调的BERT模型表现更好。尽管使用大型语言模型（LLM）的性能提升显著，但其成本（包括金钱和环境成本）也相当可观。本研究对LLM操作相关的财务成本（基于token使用量）和环境影响（利用估算LLM操作相关碳排放的工具）进行了分析。
引用
@article{arxiv.2507.08169,
title = {Analysis of Propaganda in Tweets From Politically Biased Sources},
author = {Vivek Sharma and Mohammad Mahdi Shokri and Sarah Ita Levitan and Elena Filatova and Shweta Jain},
journal= {arXiv preprint arXiv:2507.08169},
year = {2025}
}
备注
The International FLAIRS Conference Proceedings, 38(1). https://doi.org/10.32473/flairs.38.1.138706