Medias rapportering av AI: Framtidstro eller dystopi? : En kvantitativ innehållsanalys av texter publicerade av media i relation till AI och dess utveckling.
Notice bibliographique
Résumé
Problem Statement and Purpose: In recent years, skepticism towards AI has increased among Swedes. This study aims to investigate whether there is a correlation between this skepticism and how AI is portrayed by the media. The purpose is to present a depiction of how AI and its development are portrayed in the media, as well as to examine whether reinforcing images are used more or less depending on the nature of the news. Additionally, the study aims to explore differences between public and commercial media's reporting on AI. Method and Material: The chosen method for this study is a quantitative content analysis. A total of 251 publications were analyzed, all from Aftonbladet, Dagens Nyheter, SVT, and Sveriges Radio. The publications are from the first quarter of 2023 and 2024 and were sourced from the media archive Research Retriever. After collection, the material was analyzed using the statistical analysis tool SPSS. Main Results: There is a correlation with the widespread skepticism as media reporting on AI is predominantly negative. However, the results indicate that media reporting was somewhat more positive in 2024 compared to 2023. One reason for the increasing skepticism, despite this, may be that according to Agenda Setting Theory, the media has highlighted AI as particularly important to the public. As the negative angle remains dominant, the impression is that it is something to be concerned about. The results show that the difference between public service and commercial media in how they portray AI development is minimal. Profit-driven media tends to publish more frequently. Regarding the use of reinforcement images, it can be concluded that most publications are accompanied by some associated image. Public service uses more positive reinforcement images than commercial actors, according to the study's results. Commercial actors more frequently use reinforcement images in negatively angled articles compared to public service.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».