arXiv cs.CL· Kushal Trivedi, Mayank Mahor, Dhruv Sanghvi, Roshni Chakraborty·· 10 小时前AI 评分18
印地语印度政治新闻媒体偏见数据集发布，448 篇文章由 14 位专家标注
You Are What You Read: Indian Political News Media Bias Dataset for Hindi Language
AI 导读
研究者构建了一个面向印地语印度政治新闻的可解释媒体偏见数据集，包含来自 4 家印度主要新闻机构的 448 篇独特文章，由 14 位专家标注为偏见/无偏见，并细分为选择偏见、框架偏见、标题党偏见和遗漏偏见四类。
正文 · AI 翻译
摘要：媒体偏见理解与检测在印度语境下仍是一个研究不足的问题，尤其是对于印地语等印度语言，而印地语在印度被广泛使用。本文介绍了一个全面的、多标注者、可解释的数据集，包含来自四家领先印度新闻机构的 448 篇印地语独特文章。我们聚焦于印地语，它是印度使用最广泛的语言和官方语言之一。由于该国的语言多样性和庞大人口，同一事件常被多家新闻机构以不同语言报道，从而引入偏见空间，因此媒体偏见研究在印度语境下尤为相关。该数据集由 14 位专家标注的印地语政治新闻文章组成，当文章被判定为有偏见或无偏见时，被分类为四个偏见类别——选择偏见、框架偏见、标题党偏见和遗漏偏见。对于每篇有偏见的文章，标注者还提供文本解释，使未来的半自动化方法能够在语言模型对数据集进行推理时纳入可解释性。简单偏见/无偏见分类的 Cohen's Kappa 分数为 0.81，反映出较强的标注者间一致性。对于多标签任务，标题党、选择、框架和遗漏偏见的 Cohen's Kappa 值分别为 0.89、0.75、0.81 和 0.79，平均 Kappa 为 0.80，这也反映出较强的一致性。
| 评论： | 17 页，3 幅图，13 张表 |
| 主题： | 计算与语言 (cs.CL) |
| 引用为： | arXiv:2611.13686 [cs.CL] |
| （或 arXiv:2611.13686v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13686 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kushal Trivedi [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 07:34:05 UTC（238 KB）
来源：arXiv cs.CL · arxiv.org