ملاحظات روش شناختی در پژوهش قطبی سازی معنایی

نویسندگان:

(1) Xiaohan Ding، گروه علوم کامپیوتر، ویرجینیا تک، (ایمیل: [email protected])

(2) مایک هورنینگ، بخش ارتباطات، فناوری ویرجینیا، (ایمیل: [email protected])

(3) Eugenia H. Rho، گروه علوم کامپیوتر، ویرجینیا تک، (ایمیل: [email protected] ).

چکیده و مقدمه

کار مرتبط

مطالعه 1: تکامل قطب معنایی در زبان رسانه پخش (2010-2020)

مطالعه 2: کلماتی که قطبیت معنایی را بین فاکس نیوز و سی ان ان در سال 2020 مشخص می کند

مطالعه 3: چگونه قطبش معنایی در زبان رسانه های پخش، قطبیت معنایی را در گفتمان رسانه های اجتماعی پیش بینی می کند

بیانیه بحث و اخلاق

پیوست و مراجع

ضمیمه

جدول 7: نتایج آزمون ADF که نشان می دهد داده های سری زمانی اخبار توییتر و تلویزیون ثابت (state) یا غیر ثابت (غیر آماری) هستند.جدول 7: نتایج آزمون ADF که نشان می دهد داده های سری زمانی اخبار توییتر و تلویزیون ثابت (state) یا غیر ثابت (غیر آماری) هستند.

جدول 8: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در پاسخ به @CNN and@FoxNews از کلمات کلیدی مرتبط با نژادپرستی استفاده می کنند.جدول 8: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در پاسخ به @CNN and@FoxNews از کلمات کلیدی مرتبط با نژادپرستی استفاده می کنند.

جدول 9: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در پاسخ به @CNN و @FoxNews از کلمات کلیدی مرتبط با مهاجرت استفاده می کنند.جدول 9: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در پاسخ به @CNN و @FoxNews از کلمات کلیدی مرتبط با مهاجرت استفاده می کنند.

جدول 10: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در پاسخ به @CNN and@FoxNews از کلمات کلیدی مرتبط با تغییرات آب و هوایی استفاده می کنند.جدول 10: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در پاسخ به @CNN and@FoxNews از کلمات کلیدی مرتبط با تغییرات آب و هوایی استفاده می کنند.

جدول 11: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در حال پاسخ دادن به @CNN and@FoxNews از کلمات کلیدی مرتبط با زندگی سیاه پوستان مهم است استفاده می کنند.جدول 11: 10 توکن برتر که بیشتر پیش بینی می کنند که چگونه ایستگاه های تلویزیونی CNN و فاکس نیوز و کاربران توییتر در حال پاسخ دادن به @CNN and@FoxNews از کلمات کلیدی مرتبط با زندگی سیاه پوستان مهم است استفاده می کنند.

منابع

آلن، جی. هاولند، بی. موبیوس، م. روچیلد، دی. و واتس، دی جی 2020. ارزیابی مشکل اخبار جعلی در مقیاس اکوسیستم اطلاعاتی. پیشرفت های علم، 6(14): eaay3539. بارنارد، SR 2018. شهروندان در دروازه. توییتر، مردم شبکه‌ای و تحول روزنامه‌نگاری آمریکایی. چم، سوئیتسی: پالگریو مک میلان.

Cheung، Y.-W. و لای، KS 1995. ترتیب تاخیر و ارزش های بحرانی آزمون دیکی-فولر افزوده شده. مجله آمار کسب و کار و اقتصادی، 13 (3): 277-280.

چین، اس. هارت، PS; و Soroka، S. 2020. سیاسی شدن و قطبی شدن در…

Source link