El repte de mesurar el biaix ideològic en els mitjans escrits digitals

• Autores: Ana Sofía Cardenal
• Localización: Quaderns del CAC, ISSN 1138-9761, ISSN-e 2014-2242, Nº. 44, 2018 (Ejemplar dedicado a: Fake news, algoritmes i bombolles informatives), págs. 37-46
• Idioma: catalán
• Títulos paralelos:
  • The challenge of measuring ideological bias in written digital media
  • El reto de medir el sesgo ideológico en los medios escritos digitales
• Enlaces
  • Texto completo  1 (pdf)   2 (pdf)   3 (pdf) 
  • Texto completo  1 (pdf)   2 (pdf)   3 (pdf) 
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    Este trabajo establece una propuesta para medir el sesgo ideológico de los medios digitales que se basa en el aprendizaje automatizado de contenidos. Utilizamos una estrategia sustentada en el uso de textos para identificar palabras cargadas ideológicamente, que estudios de ciencia política también emplean para medir las posiciones de los partidos y los candidatos. Nuestra propuesta presenta dos rasgos diferenciales respecto a estudios previos: usa el concepto frame como unidad de análisis para identificar el sesgo ideológico de los medios, y utiliza los tuiteos de los políticos en Twitter como texto de referencia para identificar grupos de palabras conectadas ideológicamente, i. e., los frames.

  • català

    Aquest treball fa una proposta per mesurar el biaix ideològic dels mitjans digitals que es basa en l’aprenentatge automatitzat de continguts. Fem servir una estratègia sustentada en l’ús de textos per identificar paraules carregades ideològicament, que estudis de ciència política també utilitzen per mesurar les posicions dels partits i els candidats. La nostra proposta presenta dos trets diferencials respecte a estudis previs: fa servir el concepte de frame com a unitat d’anàlisi per identificar el biaix ideològic dels mitjans, i utilitza les piulades dels polítics a Twitter com a text de referència per identificar grups de paraules connectades ideològicament, i. e., els frames

  • English

    This paper makes a proposal to measure the ideological bias of digital media that is based on machine learning. We use a strategy based on the use of texts to identify ideologically charged words, which studies of political science also use to measure the positions of parties and candidates. Our proposal presents two differential features with respect to previous studies: it uses the concept of a frame as unit of analysis to identify ideological bias and it relies on the tweets of politicians as the reference text for identifying ideologically connected groups of word – i.e., frames.