SENTINET: Una red de análisis profundo de sentimientos para la detección de prejuicios políticos en los medios de comunicación

• Anuradha Yenkikar ^[1] ; C. Narendra Babu ^[1] ; D. Jude Hemanth ^[2]
  1. [1] M.S. Ramaiah University of Applied Sciences. Gnanagangothri Campus. Bengaluru, Karnataka (India)
  2. [2] Karunya Institute of Technology and Sciences, Karunya Nagar, Tamil Nadu (India)
• Localización: Revista DYNA, ISSN-e 0012-7361, ISSN 0012-7361, Vol. 97, Nº 6, 2022 (Ejemplar dedicado a: Europa puede perder mucho más que la guerra de la energía), págs. 645-651
• Idioma: español
• Títulos paralelos:
  • SENTINET: a deep sentiment analysis network for political media bias detection
• Enlaces
  • Texto Completo Ejemplar
• Resumen

  • La India tiene la mayor circulación de periódicos del mundo, pero desgraciadamente también tiene altos índices de parcialidad en los medios de comunicación y una de las clasificaciones de libertad de prensa más bajas de las democracias. Unos medios de comunicación sesgados impiden que los ciudadanos reciban información que podría ser esencial para el bienestar público al filtrar la información a través de una lente que apoya primero los intereses del gobierno. La parcialidad de los medios de comunicación desempeña un papel influyente incluso en las urnas, ya que la propaganda puede sesgar las decisiones de los votantes y la percepción de lo que es cierto en esta era de noticias falsas. Es vital vigilar el sesgo en las noticias y proporcionar una plataforma en la que la gente pueda obtener noticias imparciales y fiables. Los investigadores del análisis de sentimientos y la detección de sesgos han estado utilizando diversas técnicas para lograr una mayor precisión en la detección de sesgos en los medios de comunicación. Este estudio pretende dar un enfoque técnico diferente al problema de la detección de sesgos en los medios de comunicación políticos de la India mediante el desarrollo de SentiNet, un modelo de red neuronal de convolución (CNN) modificado y acelerado por la unidad de procesamiento gráfico (GPU) que consiste en convoluciones separables en profundidad e invertidas linealmente, capaz de clasificar las noticias como "imparciales" o "sesgadas" a partir de los datos de Twitter. Debido a su sencilla arquitectura y al menor número de parámetros de ajuste, se observa que SentiNet se ajusta bien en términos de precisión y función de pérdida y su tiempo de entrenamiento se reduce en un 50% cuando se utiliza una GPU. A partir de los resultados, Republic TV y BBC resultaron ser los más sesgados hacia el partido gobernante y los partidos de la oposición, respectivamente. NDTV y News19 se mostraron imparciales hacia el partido en el poder con una información equilibrada. India TV ha resultado ser imparcial hacia los partidos de la oposición. En el discurso político de Twitter se observa que los partidos hablan de sí mismos o de los partidos de la oposición y rara vez de temas de interés nacional. La investigación y el modelo robusto propuesto pueden extenderse a otros medios sociales y analizarse para una red social mayor.