뉴스 미디어의 bias를 완화하기 위하여, 뉴스를 읽는 사람들이 뉴스의 다양한 aspect를 접할 수 있도록 하는 뉴스 서비스를 제안하는 연구입니다.
읽은 날짜 2023.04.24
카테고리 #HCI논문리뷰, #News, #Viewpoint
NewsCube: Delivering Multiple Aspects of News to Mitigate Media Bias
- Authors: Souneil Park, Seungwoo Kang, Sangyoung Chung, Junehwa Song
- DOI: https://doi.org/10.1145/1518701.1518772
- Keywords: Media Bias, News, Aspect-level browsing, News distribution service
- Issue Date: April 2009
- Publisher: CHI'09: Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems
ABSTRACT
배경 > 문제점 > 목표(RQ) > 방법 > 평가 > 결과 > 의의
배경/문제점: 뉴스 제작 과정에서 bias가 생겨나며, 이러한 bias는 종종 정치적 양극화, 사회적 문제에 대한 갈등 비용을 증가시키는 등, 문제를 야기한다.
목표: 미디어의 bias를 완화하기 위한 news service (NewsCube)를 제안한다.
방법: NewsCube는 뉴스를 aspect-level로 분류하여, 다양한 aspect의 뉴스를 독자에게 제공한다.
평가/결과: 독자들은 다양한 viewpoint를 바탕으로 사실을 접하게 되어, 자신만의 균형잡힌 viewpoint를 형성할 수 있다.
의의: 뉴스 서비스를 솔루션으로 개발하고, 효과를 연구한 첫 연구이다.
1. INTRODUCTION
■ 이 논문에서는
HCI커뮤니티에서 거론되는 중요한 문제중 하나인 미디어 편향 문제를 소개하고, 이 것에 대한 내용을 다룸으로써 커뮤니티에 기여한다.
미디어 편향을 개선하기 위한 프레임워크를 개발하고, 효과를 연구한 첫 연구라는 점에서 의의가 있다.
2. MEDIA BIAS PROBLEM AND RELATED WORK
2.1 Media Bias Problem
2.2 Solution Space for Media Bias Problem
2.3 News Article Processing
3. MODELING ASPECTS OF NEWS EVENTS
4. NEWSCUBE DESIGN CHALLENGES & APPROACHES
4.1 Aspect Presentation
4.2 Aspect-level Classification
4.1.1 Aspect Extraction
■ Aspect extraction방법
칼럼, 사설, 인터뷰 같은 비공식 유형의 기사를 제외한 뉴스(straight news)의 경우, 대부분 역피라미드 구조로 구성된다.
역피라미드 구조: Head, sub-head, lead, main text
(lead - 보통 article의 첫 문장)
head, sub-head, lead로 키워드 뽑고, 키워드 가중치는 main text로 주었다.
main text 길이에 따라 가중치가 달라질 수 있어서, 정규화하였음.
4.1.2 Aspect Group Creation
■ Aspect group생성
Hierarchical agglomerative clustering (HAC) - 각 article을 individual cluster로 하여 유사한 클러스터 쌍을 병합해나감.
(키워드-가중치)쌍으로 cosine similarity계산
4.1.2 Aspect Collection
- 한국의 상위 20개 publishing source와, 구글 뉴스에 published된 70%의 뉴스 기사
- 인터뷰, 사설과 같은 다른 유형의 기사는 필터링하여 제외하고, straight news 에 대하여만 수집.
5. EVALUATION
5.1 Performance of Aspect-level Classification
■ <평가_1> Classificaion의 성능 평가
(1) Feasibility of Aspect-level Classification (분류 타당성)
- 5명의 참가자 | 같은 날짜에 게시된 이벤트의 기사 30개 => 수동 분류 => 유사성(weighted average F-measure 4 (waF))이 높다. ⇒ 4명이상이 그룹화한 기사를 구룹화 하여 ground truth로 사용
(2) Performance of Aspect-level Clustering (클러스터링 성능)
- HAC, K-means, Spectral clustering 수행 비교
- NSE (News Structure-based Extraction) 와 TF를 교대로 결합하여 사용
- HAC-NSE가 ground truth와 waF 값이 가장 높아서, 이 방법을 쓰기로 함.
5.2 Effectiveness of NewsCube
■ <평가_2> NewsCube의 효과 검증
(1) 실험1 - Clickstream analysis
- 75명 (25-35세), 비슷한 뉴스 읽기 습관에 따라 그룹3개(25명씩)
- 각 그룹별로 다른 인터페이스 사용
(NewsCube, GoogleNews, Randomcube-인터페이스는 동일하나 기사는 무작위)
(2) 실험2 - Questionnaire (설문지)
- 33명
- NewsCube의 서비스 목적과 인터페이스 설명해주고, 15분 사용하게 함.
- 질문 => {뉴스의 여러 aspect 비교,대조의 요구사항, 읽은 기사의 다양성, 자신의 view에 미치는 영향}
(3) 실험3 - Focus group interview
- 6명 (3그룹)
- ‘‘a protest against the U.S military base expansion’ 기사에 대한 입장에 따라 3 그룹으로 나눔 => 입장 (부정,중립,긍정)
- 제공할 기사 또한, 기사 성향에 따라 3개의 그룹으로 준비 => 기사그룹 부정, 중립, 긍정)
- 각 그룹 내부 2명 --> 서로 다른 툴(NewsCube, GoogleNews )을 사용하여 기사를 읽는다.
- 각각 NewsCube, GoogleNews 통해 뉴스 읽은 후, 견해에 대해 인터뷰
- (결과) NewsCube사용자는 반대관점기사 읽지만, GoogleNews사용자는 반대관점 기사 안읽음.
입장-부정 그룹: 그대로 negative - 입장-긍정 그룹: 그대로 positive + (기사그룹-부정)의 신빙성에 의문
- 입장-중립 그룹:
GoogleNews-Negative,
NewsCube-positive + 기사를 비판(기사에서 시위대에게 부정적 프레임씌우려고 의도적으로 과장했다고 생각함.)
7. CONCLUSION
- 중요한 결론 - 미디어 편향 문제를 개선하기위한NewsCube 라는 새로운 인터넷 뉴스 서비스 제안
- 이론적 함의 - 뉴스 기사를 Aspect-level로 classification하여 다양한 aspect의 뉴스를 탐색할 수 있도록 하는 프레임워크, 아키텍처 구조
- 실재적 함의 (practical implications) - 실험을 통해, 사용자들이 다양한 뉴스의 관점을 접하고 실제 입장을 바꾸기도 하는 등, 균형잡힌 시각을 갖도록 하는데 효과가 있는 것으로 나타남.
- Future work
- (1) 미디어의 bias에 대한 연구 - bias 진단, 측정, 완화를 위한 연구
나의 의견
논문을 선택한 이유
(1) News의 편향적인 소비를 개선하고자 하는 목적의 연구 중 classic과 같은 연구라서 읽어보게 되었다.
읽고 난 후 의견
- 예전 논문인 것을 감안하면, 당시에 머신러닝 적용해서 클러스터링으로 뉴스를 분류하여 다양한 클러스터를 섞어 제공한다는 점에서 뉴스 분류를 자동화 했다는 장점이 있고, 자동화의 과정에서 인간의 개입이 없어서 bias가 섞이지 않을 수 있어 좋은 방법의 제시였다고 생각한다.
- NewsCube의 효과를 실험하기 위해 진행한 포커스 그룹 인터뷰 결과가 인상깊었다. Negative입장을 계속 유지하는 사람이, 대다수가 positive를 외칠 때 그 이유에 대해 궁금해 할 지, 아니면 Negative 입장을 유지할 지 추가적인 인터뷰가 진행되었으면 더 재밌었겠다.
