10万法语标题审计：措辞与选择框架竟近半不重合！
Framing by Wording, Framing by Selection: A Large-Scale Two-Dimensional Audit of French News Headlines, 2022-2025
📖 AI 总结
该研究提出一个二维框架，将新闻标题的框架效应拆分为“措辞显著性”与“选题选择性”两个维度，前者通过煽动性词汇、归因、威胁框架和反问四种语言手段衡量，后者通过媒体层面的故事形式与高情绪分布衡量。作者利用三个大语言模型标注器构建了一万条法语标题的监督数据集，经多数投票与人工仲裁确定标签，并通过两项独立盲测验证，随后将最优分类器应用于25家法国媒体在2022至2025年间的902111条去重标题。三项主要发现是：显著性与选择性偏差虽正相关，却仍有近半数的媒体层面方差无法解释，形成四象限类型学中可作不同解读的离对角线组合；默认分类阈值会系统性高估语料层面的显著性，需采用精确率下限重校准加以纠正；群体提及分析显示，涉及犹太人、极右翼和穆斯林的标题显著性最高，且难以由事件背景构成完全解释。这是迄今规模最大的法语标题框架审计，作者公开了监督集、词典与分析代码。
🔑 关键词速览
| 显著性框架 | 通过措辞手段（如负载词汇、归因、威胁框架、反问句）使议题在标题中显得突出的框架方式。 |
| 选择框架 | 通过媒体对故事形式和高电荷内容的选择来框定议题的框架方式。 |
| LLM标注器 | 使用大型语言模型对文本进行自动标注的工具，本研究用三个标注器并通过多数投票解决分歧。 |
| 精确度下限重新校准协议 | 一种纠正默认分类阈值导致的显著性估计膨胀的方法，通过设定精确度下限来重新调整分类阈值。 |
| 群体提及分析 | 分析标题中提及特定群体（如犹太人、极右翼、穆斯林）时的显著性语境差异的方法。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅