I decennier har forskare och journalister undersökt hur nyhetsorganisationer bestämmer vilka berättelser som ska täckas och hur de ska ramas in. Faktorerna som formar nyhetsagendan är dock komplexa och ofta svåra att mäta.
Nu har forskare vid MIT och University of California, Berkeley, skapat en ny metod som gör att de kan spåra olika faktorers inflytande på nyhetsagendan över tid.
Forskarnas metod använder en maskininlärningsalgoritm för att analysera en stor korpus av nyhetsartiklar och identifiera de nyckelämnen som tas upp.
De använder sedan en statistisk modell för att avgöra hur dessa ämnen påverkas av olika faktorer, såsom antalet personer som påverkas av en händelse, mängden pengar som är involverad, den geografiska platsen för en händelse och den politiska inriktningen av en nyhetsorganisation.
Forskarnas resultat visar att nyhetsagendan påverkas av en komplex kombination av faktorer. Vissa faktorer, som antalet personer som påverkas av en händelse, har en relativt stark inverkan på nyhetsagendan, medan andra faktorer, som en nyhetsorganisations politiska inslag, har en svagare inverkan.
Forskarnas metod låter dem också spåra hur nyhetsagendan förändras över tid. Till exempel fann de att nyhetsagendan är mer benägen att fokusera på internationella berättelser under tider av krig eller naturkatastrofer.
Forskarnas resultat ger nya insikter om de faktorer som formar nyhetsagendan. Den här informationen kan användas för att hjälpa nyhetsorganisationer att fatta mer välgrundade beslut om vilka berättelser som ska täckas och hur de ska utformas.
Studien, "Mapping the News Agenda:A Computational Approach," publicerades i tidskriften "Science Advances."
Huvudförfattaren till studien är David Lazer, professor vid institutionen för statsvetenskap vid MIT. Medförfattare inkluderar Samuel Woolley, en forskare vid Berkman Klein Center for Internet &Society vid Harvard University, och Ryan Enos, professor vid institutionen för statsvetenskap vid University of California, Berkeley.
