印度人-象冲突的英文印刷媒体如何呈现
机器学习
2026-04-24 v1 人工智能
计算与语言
摘要
人-象冲突（HEC）在印度日益加剧，因为栖息地丧失和人类定居区的扩张迫使象类进入更近的接触。虽然冲突的生态驱动因素已广泛研究，但新闻媒体如何呈现这些冲突却鲜有探讨。本工作对印度某大英文媒体从 2022 年 1 月至 2025 年 9 月发布的 1,968 篇完整新闻文章（共 28,986 句）进行了首次大规模计算分析。我们采用结合长情境转换器、大型语言模型和特定于负面象描绘词典（Negative Elephant Portrayal Lexicon）的多模型情感框架，对情感进行量化，提取论据句，并识别贡献于负面象描绘的语言模式。我们的发现显示，恐惧性和攻击性语言占据主导地位。由于媒体呈现会塑造公众对野生动物的态度及保护政策，因此此类叙述风险强化公众的敌意，削弱和解之 efforts。通过提供透明、可扩展的方法并通过匿名存储库发布所有资源，本研究凸显了 Web 规模文本分析如何支持负责任的野生动物报道并促进具有社会效益的媒体实践。
引用
@article{arxiv.2604.21495,
title = {Generalizing Numerical Reasoning in Table Data through Operation Sketches and Self-Supervised Learning},
author = {Hanjun Cho and Gahyun Yoo and Hanseong Kim and Jay-Yoon Lee},
journal= {arXiv preprint arXiv:2604.21495},
year = {2026}
}
备注
Accepted to TACL. This is a pre-MIT Press publication version