수십 년 동안 학자와 언론인들은 뉴스 조직이 어떻게 다루어야 할 이야기와 그에 대한 이야기를 결정 하는지를 조사했습니다. 그러나 뉴스 의제를 형성하는 요인은 복잡하고 종종 측정하기가 어렵습니다.
이제 MIT와 버클리 캘리포니아 대학교 (University of California)의 연구원들은 시간이 지남에 따라 뉴스 의제에 대한 다양한 요인의 영향을 추적 할 수있는 새로운 방법을 만들었습니다.
연구원의 방법은 기계 학습 알고리즘을 사용하여 큰 뉴스 기사를 분석하고 다루는 주요 주제를 식별합니다.
그런 다음 통계 모델을 사용하여 이러한 주제가 이벤트의 영향을받는 사람들의 수, 관련된 자금 금액, 이벤트의 지리적 위치 및 뉴스 조직의 정치적 경사와 같은 다양한 요인에 의해 영향을 받는지 결정합니다.
연구원의 연구 결과에 따르면 뉴스 의제는 복잡한 요인의 조합에 의해 영향을받는 것으로 나타났습니다. 이벤트의 영향을받는 사람들의 수와 같은 일부 요인은 뉴스 의제에 상대적으로 큰 영향을 미치는 반면, 뉴스 조직의 정치적 경사와 같은 다른 요인은 약한 영향을 미칩니다.
연구원의 방법을 통해 뉴스 의제가 시간이 지남에 따라 어떻게 변하는 지 추적 할 수 있습니다. 예를 들어, 그들은 뉴스 의제가 전쟁시기 또는 자연 재해시 국제 이야기에 집중할 가능성이 높다는 것을 발견했습니다.
연구원의 연구 결과는 뉴스 의제를 형성하는 요소에 대한 새로운 통찰력을 제공합니다. 이 정보는 뉴스 조직이 어떻게 다루어야 할 이야기와이를 구성하는 방법에 대한 정보에 근거한 결정을 내리는 데 사용될 수 있습니다.
"뉴스 의제 매핑 :계산 접근 방식"은 "Science Advances"저널에 발표되었습니다.
이 연구의 수석 저자는 MIT의 정치학과 교수 인 David Lazer입니다. 공동 저자로는 하버드 대학교의 Berkman Klein Internet &Society 센터의 연구 과학자 인 Samuel Woolley와 버클리 캘리포니아 대학교 정치학과 교수 인 Ryan Enos가 있습니다.
