TY  - THES
AB  - Medien haben einen entscheidenden Einfluss auf die öffentliche Meinung, da sie eine primäre Kommunikationsquelle der modernen Gesellschaftsind. Allerdings hat Media Bias, welcher Auftritt, wenn Medien einseitig bzw. voreingenommen berichten oder diskriminieren, das Potenzial, Menschen mit Fehlinformationen oder polarisierenden Ansichten in nicht wünschenswerten Hinsichten zu beeinflussen.Unter Berücksichtigung aktuellerFortschritte im Bereich des maschinellen Lernens ist die natürliche Sprachverarbeitung (NLP) zu einem starken Werkzeug für die Erkennung undÄnderung von Media Bias geworden. Die vorliegende Dissertation stellt diesbzüglich eine umfassende Untersuchung von Media Bias dar, welchedie Erstellung von Datensätzen, die Entwicklung von computergestützten Modellen und sowohl quantitative, als auch qualitative Analysen umfasst.Insbesondere untersuchen wir drei unterschiedliche Arten von Media Bias: Gatekeeping Bias (die Auswahl des zu Berichtenden), Coverage Bias (dieSichtbarkeit verschiedener Standpunkte), und Statement Bias (die Meinungen von politischen Lagern).
AU  - Chen, Wei-Fan
CY  - Paderborn
DA  - 2024
DO  - 10.17619/UNIPB/1-1965
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 26.01.2024
N1  - Universität Paderborn, Dissertation, 2024
PB  - Veröffentlichungen der Universität
PY  - 2024
SP  - 1 Online-Ressource (XII, 131 Seiten)
T2  - Institut für Informatik
TI  - Computational analysis and mitigation of textual media bias
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-51686
Y2  - 2026-01-13T04:03:11
ER  -