健康相关叙事的框架分析：阴谋论与主流媒体
内容提要
该文综述多项研究，聚焦新闻标题与报道的框架分析，方法包括人工标注、GPT-3.5微调与提示工程、主题建模、深度学习及叙事理论，用于检测多标签框架、道德框架与叙事转变。案例涵盖No-Vax运动、新冠疫情、气候变化、《纽约时报》长期趋势及美国最高法院裁决，揭示媒体框架的短期波动与长期演变，以及主流与替代媒体在情感和极化上的差异。
延伸解读
计算框架分析的方法谱系
文章综述的研究覆盖了从人工标注、GPT-3.5微调与提示工程，到主题建模、深度学习和叙事理论等多种方法。这些方法分别用于检测多标签框架、道德框架和叙事转变，显示出计算框架分析已形成从数据标注到模型应用的完整链条。读者可借此了解不同技术路径在新闻框架研究中的适用场景与互补关系。
短期波动与长期趋势的并存
对《纽约时报》150万篇文章的分析发现，框架丰富度的短期波动与重大事件密切对应，同时存在如“文化认同”框架逐渐普及的长期趋势。这表明媒体框架既受突发事件驱动，也会随时间发生结构性演变。理解这一双重动态，有助于避免仅凭短期报道判断媒体立场。
主流与替代媒体的情感分化
针对意大利新闻的研究显示，主流媒体对新冠疫苗表现出高度信任和期望，而少数替代媒体则将疫苗与负面情感关联。类似地，社交媒体上传播虚假和嘲讽性信息与阴谋论的新闻受众更愿意互动。这提示读者关注不同媒体在情感框架上的系统性差异，以及这些差异对公众认知的潜在影响。
框架分析的应用与局限
研究案例涵盖No-Vax运动、新冠疫情、气候变化和美国最高法院裁决，展示了框架分析在多个公共议题上的应用。然而，文章也指出方法可行性仍需验证，例如GPT-3.5能否复制人的感知能力。读者应意识到，自动化框架检测虽具扩展性，但其准确性和透明度仍是需要持续评估的方面。
Q&A
GPT-3.5在新闻标题框架分析中具体是怎么用的？
研究对欧洲五国No-Vax运动相关文章的标题进行人工标记，并使用GPT-3.5的微调和提示工程来推断新闻标题的框架，以评估模型能否复制人的感知能力。
社交媒体上关于新冠的阴谋论叙事有什么特点？
信息消费者会聚集在具有类似信息消费模式的独特叙事周围，尤其在涉及科学与替代新闻时；传播虚假和嘲讽性信息与阴谋论的新闻的常规受众最愿意与其互动。
主流媒体和替代媒体在报道新冠疫苗时情感倾向有何不同？
主流媒体对COVID-19疫苗表现出高度的信任和期望，而少数替代媒体则将疫苗与负面情感联系起来。
《纽约时报》长期报道中的框架演变有什么规律？
对2000年至2017年150万篇文章的分析显示，短期框架丰富度波动与主要事件密切对应，同时存在长期趋势，如“文化认同”框架逐渐普及。
如何自动检测新闻中的多标签框架？
研究提出自动检测多标签测定的框架，并在气候变化框架案例中应用传统监督和半监督学习技术，最终呈现了一种基于检索的既有效又透明的方法。
社交媒体和传统媒体对美国最高法院裁决的框架有什么差异？
针对美国最高法院关于平权行动、学生贷款和堕胎权的系列裁决，研究发现社交媒体和传统媒体在政治问题的框架中存在重要差异和极化，对公众舆论、政策决策和整个政治环境产生重大影响。
