人们常说一幅画胜过千言万语。美国国旗在硫磺岛升起。一个人站在天安门广场的坦克队伍前。越南战争期间逃离被烧毁村庄的裸体女孩。二战结束时，时代广场上一名水手和一名护士的庆祝之吻。这些标志性的照片继续影响着公众对重大历史事件的看法。简而言之，视觉信息比文本信息更容易记住和有说服力(Sullivan and Masters 1988, Graber 1990, Graber 1996)。
在过去的几十年里，随着电视、互联网和社交媒体的兴起，我们每天接触到的图像数量也在增加。我们对许多事件的看法是由单个快照或快速剪辑形成的，而不是详细的书面分析。尽管人类大脑强调视觉信息，图像在新闻消费中的重要性越来越大，但关于媒体偏见的文献主要集中在基于文本的测量方法上(例如Groseclose和Milyo 2005年，Gentzkow和Shapiro 2010年，Martin和Yurukoglu 2017年，Principe和van Ours 2021年)。
为了解决我们理解中的这一差距，我构建了一个包含2016年选举周期中使用的近100万个图像文件的数据集(Boxell 2021a)。利用计算机视觉工具，我提取了92个网站上61位政客的近8万张面孔。对于每张脸，我使用微软情感应用程序编程接口(API)来描述所表达的情感内容(快乐、愤怒、恐惧、惊讶、厌恶、蔑视、悲伤或中立)，并研究这些表情如何与网站用户的党派倾向相关联。
媒体偏见主要通过两种方式表现在图像中谁覆盖:覆盖和偏向如何封面。我在这两个方面都找到了明显的党派媒体偏见的证据。
的偏见谁覆盖
为了检测每张脸都覆盖了谁，我使用微软face API和每个政客的手动标签图像训练了一个面部识别算法。然后将训练过的算法应用于未标记图像的数据集。如果保守派和自由派网站对同一名政客的报道比例不同，这将是媒体偏见的证据谁封面。为了分配每个网站的意识形态，我使用了伯克曼-克莱因党派得分(Faris et al. 2017)，这是基于唐纳德·特朗普和希拉里·克林顿的追随者分享Twitter的相对频率。
图1显示了每组政治家的图像(或面孔)的份额。特朗普获得的报道比其他任何政治家都多，无论是保守派网站还是自由派网站都是如此。然而，也出现了一个明显的模式:自由派网站相对于保守派网站更关注特朗普和其他共和党人，而保守派网站则更多地报道克林顿和其他民主党政客。这些结果与之前的研究结果一致，即特朗普获得了不成比例的报道，并且党派新闻媒体倾向于更多地报道对立一方(Budak等人，2016年，Patterson 2016a, 2016b)。
图1对报道对象的偏见
源: Boxell(图2面板A 2021a)
特朗普什么时候开始得到这么多报道的?
图2显示了与大选相关的每两周保守和自由网站上关于特朗普的图片的平均份额。在初选期间，保守派和自由派网站对特朗普的报道比例相当:大约占20%。然而，特朗普一获得共和党提名，自由派网站对他的报道量就增加了大约50%。保守派网站对特朗普的报道没有相应增加。克林顿也出现了类似的结果，随着她成为主要候选人并最终获得提名，保守派网站对她的报道越来越多(Boxell 2021a)。
图2特朗普在整个选举期间的报道趋势
源: Boxell 2021a(图4面板A)
的偏见如何覆盖
除了选择报道对象外，新闻媒体还可以选择用来描绘候选人的确切形象。在政治角逐中，候选人的形象至关重要。政客的形象会影响选民的看法和观点(Rosenberg和McCafferty 1987年，Sullivan和Masters 1988年，Rosenberg等人1991年，Barrett和Barrington 2005年，Stewart等人2009年)，新闻专业人士可以很容易地对面部表情进行分类，选择或多或少令人满意的特定事件快照。
为了确定每张图像的相对好感度，我测量了使用微软Face API表达的面部情绪。这个API预测给定图像显示每种情绪(快乐、愤怒、恐惧、惊讶、厌恶、蔑视、悲伤或中性)的可能性。Hu和Ma(2021)使用类似的机器学习工具来研究企业家如何说服投资者。
图3显示了候选人和网站对幸福和所有负面情绪(愤怒、恐惧、惊讶、厌恶、蔑视和悲伤)的平均情绪得分(以0到100为标准)。当保守派和自由派媒体对同一位候选人的报道存在差异时，媒体在如何报道候选人方面就存在偏见。自由派网站比保守派网站更倾向于将希拉里描绘成快乐的形象，而保守派网站则更倾向于选择负面情绪的希拉里形象。其他政客群体也存在类似但不那么明显的差异。
图3如何覆盖偏见
源: Boxell(图2 B面板2021a)
图4考察了特朗普和克林顿的“相对好感度”(幸福感减去负面情绪的总和)差异(y轴)与每个网站用户的党派倾向(x轴)之间的关系。拥有更多保守的网站用户，与用相对更积极的情绪来描绘特朗普之间，存在着一种强烈的、积极的关系。当在图像层面上进行分析时，从平等的用户党派(例如。《华尔街日报》)到同质用户组(例如:布莱巴特或每日科斯)与非语言倾向的2 / 3标准差偏移相关。
图4特朗普vs克林顿的平均支持率
源: Boxell(图3 B面板2021a)
结论
新闻媒体通过选择来产生党派偏见谁覆盖和如何遮住它们。与自由派网站相比，保守派网站更频繁地描绘自由派候选人，并且带有相对更多的负面情绪，反之亦然。在选举周期中，媒体偏见的程度也因选举动机而有所不同;特别是当从初选转到大选时。总的来说，这些结果为非语言媒体偏见提供了新的证据，特别是在2016年大选期间，人们对媒体偏见的理解有所提高。未来的工作应继续研究非语言媒体偏见对结果的影响，如政治两极分化(Boxell 2017, Boxell 2021b)。
参考文献
巴雷特，A W和L W巴林顿(2005b)，“一张图片胜过一千个词语吗?”报纸照片和选民对政治候选人的评价”，国际新闻/政治杂志10(4): 98 - 113。
波克斯尔，L(2017)，”互联网、社交媒体和政治两极分化， VoxEU.org, 10月1日。
Boxell, L (2021a)，“倾斜的图像:测量2016年大选期间的非语言媒体偏见”，政治学研究与方法“，，有条件接受。
Boxell, L (2021b)， "美国政治两极分化的驱动因素:三个程式化的事实及其含义， VoxEU.org, 8月25日。
布达克，C, S Goel和J M Rao(2016)，“公平和平衡?通过众包内容分析量化媒体偏见”，舆论季刊岩石力学与工程，80(s1): 250-271。
Faris, R M, H Roberts, B Etling, N Bourassa, E Zuckerman和Y Benkler(2017)，“党派、宣传和虚假信息:网络媒体与2016年美国总统大选”，Berkman Klein互联网与社会研究中心论文。
根茨科，M和J M夏皮罗(2010)，“什么驱动媒体倾斜?”证据来自美国日报”，费雪, 78(1): 35 - 71。
Graber, D A(1990)，“视觉即记忆:视觉如何有助于从电视新闻中学习”，传播学杂志40(3): 134 - 156。
Graber, D A(1996)，“用图片说”，美国政治与社会科学学院年鉴, 546(1): 85 - 96。
groclose, T和J Milyo(2005)，“媒体偏见的测量”，经济学季刊岩石力学与工程学报，70(4):1191-1237。
Hu, A和S Ma(2021)，”说服投资者:一个基于视频的研究， VoxEU.org, 8月21日。
Martin, G J和A Yurukoglu(2017)，“有线新闻中的偏见:说服和两极分化”，美国经济评论, 107(9): 2565 - 2599。
帕特森，T E (2016a)，“2016年大选的新闻报道:新闻界如何辜负选民”，工作文件。
帕特森，T E (2016b)，“2016年总统竞选的初选前新闻报道:特朗普的崛起，桑德斯的出现，克林顿的挣扎”，工作论文。
普林西比，F和J van Ours(2021)，“报纸对职业足球运动员评级中的种族偏见， VoxEU.org, 8月22日。
Rosenberg, S W and P McCafferty(1987)，“图像和投票操纵选民的偏好”，舆论季刊, 51(1): 31-47。
罗森博格，S W, S Kahn, T Tran和M-T Le(1991)，“创造政治形象:塑造外表和操纵投票”，政治行为,13(4): 345 - 367。
Stewart, P A, B M Walker和J N Schubert(2009)，“总统演讲风格:对面部影响微表情的情绪反应”，动机和情绪, 33:125 - 135。
Sullivan, D G and R D Masters(1988)，“‘快乐的勇士’:领导者的面部表情、观众的情绪和政治支持”，美国政治学杂志，32(2): 345 - 368。
