微博分析分享：虚构出的“女司机”：中国媒体上对女性驾驶员的过度呈现及性别偏见

《虚构出的“女司机”：中国媒体上对女性驾驶员的过度呈现及性别偏见》是一篇论文的阅读分析和评论文章， 原论文是：The ‘bad women drivers’ myth: the overrepresentation of female drivers and gender bias in China’s media


内容摘要：
性别刻板印象和污名化在中国的公共话语空间中普遍存在。一个典型的例子就是“女司机”，媒体对女司机的过度呈现会进一步加深性别偏见。

本期为大家介绍的是Muyang LI等人在Information,Communication & Society期刊发表的论文The ‘bad women drivers’ myth: the overrepresentation of femaledrivers and gender bias in China’s media探讨了传统新闻媒体与社交媒体在讨论交通事故时，如何过度呈现女性司机。研究者分别对报纸与微博的受众进行了调查，研究发现无论是在报纸上还是在微博上，对女性司机的交通事故讨论的比例较高，在微博上对女性司机的性别偏见比报纸上更为普遍，研究的主要贡献在于为社交媒体在性别平等中能起到的作用提供实质性的证据。

研究采取了混合方法分析数据，从定量分析开始，研究者以“女性司机”和“事故”，“男性司机”和“事故”作为两对关键词，在微博和中文报纸，搜索了2010年1月1日-2018年11月30日期间发布的有关内容。之后，使用结构化主题模型（STM）文本分析的方法探讨性别主题与媒体平台之间的关系。在分析的基础上，使用定量的方法来推断微博上有偏见的话语呈现的流行程度，以及它在不同用户群体中的特征。
注：结构化主题模型（STM）文本分析指的是用R软件自制的文本分析方法

研究在微博上共抓取到相关微博97120条，在中文报纸上抓取到相关文章11290篇。基于此，提出了以下四个研究问题。。。。。。

楼主，四个研究问题是什么？

上次讨论的另一篇研究性别刻板印象的文章也挺有意思：https://www.gooseeker.com/doc/thread-17834-1-1.html

结构化主题模型是这篇文章作者发明的吗？

Fuller 发表于 2020-7-29 11:20
楼主，四个研究问题是什么？

文中提出的四个研究问题是：
RQ1：女性司机是否在交通事故的新闻报道中比例过高？
RQ2：微博和报纸在与性别有关的交通事故报道中有何区别？
RQ3：在微博上，有偏见的报道是否更普遍？它们在不同的用户类型中有什么区别？
RQ4：微博能否成为推动性别平等的网络平台？

主题模型（Topic Model）在机器学习和自然语言处理等领域是用来在一系列文档中发现抽象主题的一种统计模型。直观来讲，如果一篇文章有一个中心思想，那么一些特定词语会更频繁的出现。

文中所说的结构化主题模型， 可能是主题模型的某种具体实现

内容分析应用 发表于 2020-7-29 11:45
文中所说的结构化主题模型， 可能是主题模型的某种具体实现

主题模型常见的是LDA（Latent Dirichlet Allocation）和PLSA

在知乎上(https://zhuanlan.zhihu.com/p/56265390)看到的一张图

沃尔特*李普曼 的传播学经典著作《舆论》，第三部分的5章内容都是讲述刻板印象。
在多数情况下，我们并非先理解后定义，而是先定义后理解。在庞杂喧闹的外部世界中，我们会优先认出自己的文化里已有定义的事物，然后又倾向于按照文化业已在自己脑海中设定好的刻板印象去理解这些事物。