• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.451-454
• /
• 2020

딥러닝 기술을 이용한 정치적 성향의 편향성 분류를 위하여 신문 뉴스 기사를 수집하고, 머신러닝을 위한 학습 데이터를 구축하였다. 학습 데이터의 구축은 보수 성향과 진보 성향을 대표하는 6개 언론사의 뉴스에서 정치적 성향을 이진 분류 데이터로 구축하였다. 뉴스 기사의 수집 방법으로 최근 이슈들 중에서 정치적 성향과 밀접하게 관련이 있는 키워드 15개를 선정하고 이에 관한 뉴스 기사들을 수집하였다. 그 결과로 11,584개의 학습 및 실험용 데이터를 구축하였으며, 정치적 편향성 분류를 위한 머신러닝 모델을 설계하였다. 머신러닝 기법으로 학습 및 실험을 위해 형태소 단위의 임베딩을 이용하여 문장 및 문서 임베딩으로 확장하였으며, SVM(Support Vector Machine)을 이용하여 정치적 편향성 분류 실험을 수행한 결과로 75%의 정확도를 달성하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권1호
• /
• pp.1-8
• /
• 2021

뉴스 기사의 정치 분야는 보수, 진보와 같이 양극화된 편향적 특성이 존재하며 이를 정치적 편향성이라고 한다. 뉴스 기사로부터 편향성 문제를 분류하기 위해 키워드 기반의 학습 데이터를 구축하였다. 대부분의 임베딩 연구에서는 미등록어로 인한 문제를 완화시키기 위해 형태소 단위로 문장을 구성한다. 본 논문에서는 문장을 언어 모델에 의해 세부적으로 분할하는 부분 단어로 문장을 구성할 경우 미등록어 수가 감소할 것이라 예상하였다. 부분 단어 토큰화 기법을 이용한 문서 임베딩 모델을 제안하며 이를 SVM과 전방향 뉴럴 네트워크 구조에 적용하여 정치적 편향성 분류 실험을 진행하였다. 형태소 토큰화 기법을 이용한 문서 임베딩 모델과 비교 실험한 결과, 부분 단어 토큰화 기법을 이용한 문서 임베딩 모델이 78.22%로 가장 높은 정확도를 보였으며 부분 단어 토큰화를 통해 미등록어 수가 감소되는 것을 확인하였다. 분류 실험에서 가장 성능이 좋은 임베딩 모델을 이용하여 정치적 인물을 기반한 어휘를 추출하였으며 각 성향의 정치적 인물 벡터와의 평균 유사도를 통해 어휘의 편향성을 검증하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.16-21
• /
• 2022

사전학습 말뭉치는 위키백과 문서 뿐만 아니라 인터넷 커뮤니티의 텍스트 데이터를 포함한다. 이는 언어적 관념 및 사회적 편향된 정보를 포함하므로 사전학습된 언어 모델과 파인튜닝한 언어 모델은 편향성을 내포한다. 이에 따라 언어 모델의 중립성을 평가할 수 있는 지표의 필요성이 대두되었으나, 아직까지 언어 인공지능 모델의 정치적 중립성에 대해 정량적으로 평가할 수 있는 척도는 존재하지 않는다. 본 연구에서는 언어 모델의 정치적 편향도를 정량적으로 평가할 수 있는 지표를 제시하고 한국어 언어 모델에 대해 평가를 수행한다. 실험 결과, 위키피디아로 학습된 언어 모델이 가장 정치 중립적인 경향성을 나타내었고, 뉴스 댓글과 소셜 리뷰 데이터로 학습된 언어 모델의 경우 정치 보수적, 그리고 뉴스 기사를 기반으로 학습된 언어 모델에서 정치 진보적인 경향성을 나타냈다. 또한, 본 논문에서 제안하는 평가 방법의 안정성 검증은 각 언어 모델의 정치적 편향 평가 결과가 일관됨을 입증한다.

• 한국언론정보학보
• /
• 제71권
• /
• pp.274-298
• /
• 2015

이 연구는 프레임 개념과 편향성 개념을 통합적으로 연결해 재난 사고 뉴스의 정치사회적 의미를 해석했다. 국내 언론이 세월호 침몰 사고라는 특수한 재난 사고의 문제 정의, 원인 해석, 도덕적 평가, 그리고 사후 처방을 제시하는 과정에 어떤 프레임을 더 편향되게 배치했는지를 이론적으로 검정해 보았다. 또한 프레임의 편향성이 정치적 이념을 달리하는 보수 신문과 진보 신문 간에 어떤 차이가 있는지 비교 분석해 보았다. 내용 분석 결과를 제시하면 다음과 같다. 첫째, 세월호 사고 진단 프레임에서는 전체적으로 파편화>개인화>권위무질서>극화의 순으로 편향되어 있었다. <조선일보>는 파편화 편향성이, 한겨레는 권위무질서 편향성이 상대적으로 컸다. 둘째, 사고 평가에서는 책임 프레임>도덕적 프레임>문제 해결 프레임>사고 원인 프레임의 순으로 편향되어 나타났다. <조선일보>는 책임 프레임, 도덕적 프레임 편향적으로 사고를 평가했다. <한겨레>는 책임 프레임, 문제 해결 프레임 편향성이 두드러졌다. 셋째, 책임 소재 프레임에서는 정부>개인>조직의 순으로 편향되어 제시됐다. <조선일보>는 정부와 개인의 책임 편향성을 드러낸 반면에, <한겨레>는 상대적으로 정부에 책임을 더 강조하면서 조직에 대한 책임 편향성도 보였다. 넷째, 문제 해결 프레임에서는 전체적으로 주제적 프레임과 일화적 프레임 편향성이 엇비슷한 수준으로 나타났다. <조선일보>는 일화적 프레임으로, <한겨레>는 주제적 프레임으로 더 편향화하는 차이를 보였다. 세월호 사고의 평가와 해석에 대한 언론의 프레임 편향성과 함께 이념적 차이에 따른 언론 간의 편향성 차이를 사회적 맥락 차원에서 토론했다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.533-538
• /
• 2023

문서에서 저자의 의도와 주제, 그 안에 포함된 감성을 분석하는 것은 자연어 연구의 핵심적인 주제이다. 이와 유사하게 특정 글에 포함된 정치적 문화적 편향을 분석하는 것 역시 매우 의미 있는 연구주제이다. 우리는 최근 발생한 한 사건에 대하여 여러 신문사와 해당 신문사에서 생산한 기사를 중심으로 해당 글의 정치적 편향을 정량화 하는 방법을 제시한다. 그 방법은 선택된 주제어들의 문장 공간에서의 거리를 중심으로 그래프를 생성하고, 생성된 그래프의 기계학습을 통하여 편향과 특징을 분석하였다. 그리고 그 그래프들의 시간적 변화를 추적하여 특정 신문사에서 특정 사건에 대한 입장이 시간적으로 어떻게 변화하였는지를 동적으로 보여주는 그래프 애니메이션 시스템을 개발하였다. 실험을 위하여 최근 이슈에 대하여 12개의 신문사에서 약 2000여 개의 기사를 수집하였다. 그 결과, 약 82%의 정확도로 일반적으로 알려진 정치적 편향을 예측할 수 있었다. 또한, 학습 데이터에 쓰이지 않은 신문기사를 활용하여도 같은 정도의 정확도를 보임을 알 수 있었다. 우리는 이를 통하여 신문기사에서의 정치적 편향은 작성자나 신문사의 특성이 아니라 주제어들의 문장 공간에서의 거리 관계로 특성화할 수 있음을 보였다. 할 수 있다.

• 한국콘텐츠학회논문지
• /
• 제21권5호
• /
• pp.1-10
• /
• 2021

이 연구에서는 필터버블 현상의 주요 요인인 추천 알고리즘의 정치적 편향성(추천 알고리즘이 이용자가 선호하는 정치 성향의 영상을 제한적으로 제공하는 것)과, 이용자들의 선택적 노출(이용자가 자신이 선호하는 정치 성향의 영상을 자발적으로 선택하는 것)을 실증적으로 검증하고자 하였다. 이를 위해 새로운 유튜브 계정 2개를 개설하여 각각의 계정을 보수/진보 계정으로 일주일 동안 훈련시켰고, 각 계정에서 추천받은 영상들은 이틀 간격으로 수집하였다. 텍스트 마이닝(Text Mining) 방법을 통해 보수 계정에서는 보수 성향의 영상이 더욱 추천되는지, 진보 계정에서는 진보 성향의 영상이 더욱 추천되는지를 알아보았다. 또한 각각의 계정에서 정치적으로 편향된 주제들이 다뤄지고 있는지를 관찰하였다. 설문조사를 통해 유튜브로 정치 및 뉴스 영상을 소비하는 이용자들에게 보수/진보 계정에서 6일째에 추천된 영상 리스트를 제공하여 이용자들이 선택적 노출을 보이는지를 알아보았다. 연구결과, 시간이 지날수록 보수 계정에서는 보수 성향의 영상과 채널이 더욱 추천되고, 진보 계정에서는 진보 성향의 영상과 채널이 더욱 추천되었으며, 보수 계정과 진보 계정에서 추천된 영상들은 대부분 정치적으로 편향된 주제를 다루고 있는 것으로 나타났다. 응답자들의 약 77%는 자신이 선호하는 정치 성향의 영상에 선택적으로 노출되어 보이는 것으로 나타났다.

• 한국문헌정보학회지
• /
• 제32권3호
• /
• pp.113-126
• /
• 1998

이 연구는 부산지역 공공도서관의 사회사를 추적하는 과정에 나타난 <도서변상사건>과 <금서사건>이 장서의 축적 과정에 미친 영향을 현상학적으로 분석한 것이다. 도서관의 장서는 그 도서관이 추구하는 목적과 이용자의 요구를 두 축으로 하여 축적되는 것이 원칙이지만, 우리 나라 공공도서관의 경우 사회${\cdot}$정치적인 상황이 오히려 더 큰 영향을 미쳐왔다고 볼 수 있다. <도서변상사건>과 <금서사건>은 이런 사회 정치적인 상황이 도서관에 발현된 대표적인 사례라 할만하다. 이들 사건은 공공도서관 직원들의 창의성을 말살시키면서 수동적이고 순응적인 성향으로 변질시켜 버리는 결과를 낳았을 뿐만 아니라, 공공도서관의 장서가 편향성을 띤 채 축적될 수밖에 없는 중요한 요인이 되었다고 볼 수 있다.

• 한국콘텐츠학회논문지
• /
• 제17권11호
• /
• pp.554-566
• /
• 2017

우리나라는 방송법 등을 통해 방송이 특정정당이나 후보자에 대해 정치적 중립을 유지하도록 하고 있다. 그러나 박근혜 대통령 탄핵과 관련해 MBC와 JTBC는 보수와 진보로 양분돼 보도함으로써 공정성에 대한 논란이 일었다. 이러한 논란을 실증적으로 살펴보기 위해 탄핵이 인용된 날부터 일주일간 양 방송사의 저녁종합뉴스의 아이템 수 변화, 주제의 편향성, 뉴스 프레임을 등 3가지 측면을 분석하였다. 연구결과 JTBC와 MBC의 관련 보도는 양적으로 현저한 차이를 보였고, JTBC는 촛불집회 쪽에, MBC는 태극기집회 쪽 관련 주제를 집중적으로 보도했다. 뉴스 프레임 측면에서 MBC는 탄핵인용 관련 보도에서 박근혜 대통령과 이를 옹호하는 태극기집회 참여자들 쪽에서, JTBC는 반대로 반 박근혜 대통령과 탄핵의 정당성을 주장하는 촛불집회 참여자 입장에서 보도한 것으로 나타났다.

• 디지털융복합연구
• /
• 제12권11호
• /
• pp.171-181
• /
• 2014

현대 정치에서 매스미디어의 영향력이 확대됨에 따라 방송의 공정성이 중요하게 논의되고 있다. 기존의 연구는 대부분 기계적 공정성만을 추구하는 경향이 있어 이번 연구에서는 정량적 자료와 정성적 자료를 함께 비교하기 위해 AHP 분석방법을 통한 분석을 시도했다. 연구 결과 1계층의 평가항목 중 내용적 균형의 가중치가 상대적으로 높게 나타났으며, 형식적 균형에서는 보도의 순서가 내용적 균형에서는 보도제목이 가장 큰 중요도를 차지하는 지표로 나타났다. 각 방송사별 편향성 비교에서는 MBC가 편향성이 가장 크고 다음이 KBS, SBS순서로 나타났다. 이번 연구는 기존의 공정성 관련 연구가 형식적 분석에 그쳤던 것에 반해 정량적 자료와 정성적인 자료를 하나의 분석틀에서 계량화 하고 이의 정도를 상호 비교할 수 있었다는데 의미가 있다고 할 수 있다.

• 한국정보통신학회논문지
• /
• 제24권8호
• /
• pp.999-1005
• /
• 2020

오늘날의 검색 포털은 뉴스의 창구로서는 가장 큰 비율을 차지하지만, 중립성에 대해서는 의문이 제기되고 있다. 이는 포털 뉴스가 편향된 정보의 소비를 유도할 수 있기 때문이다. 본 논문은 뉴스 기사의 정치적 편향도를 딥러닝을 이용하여 측정하는 방법에 대하여 소개한다. 이는 기사를 비판적으로 바라보는 시각을 뉴스 독자에게 제공할 것이다. 구체적으로, 국회 회의록에서 추출한 키워드에 편향도를 부여하고, 이를 기반으로 기사의 편향도를 분석하여 머신러닝용 데이터를 구축하였다. 최종적으로 순환 신경망과 합성곱 신경망을 융합한 딥러닝을 통해 기사의 편향도를 계산하는 것을 목표로 하였다. 학습한 모델의 정확도를 분석한 결과 문장별 편향의 좌/우편향 판정은 95.6%의 정확도를 보였으나, 신문기사 전체에서는 46.0%의 정확도를 보였다. 이는 기존의 여러 편향성 연구와 다르게 특정 주제에 한정되지 않고 기사의 보수-진보 편향성을 분석할 수 있도록 한다.