从众包评分到新闻价值预测模型：支持科学新闻业

视频

DOI

科学出版规模持续增长，给科学新闻记者带来 overload，他们面临如何选择最具趣闻性、重要性和新闻价值的报道内容的难题。本研究通过考虑创建新闻价值预测模型的可行性来解决这一问题，该模型使用众包新闻价值评估进行训练。我们首先通过评估众包新闻价值评估与专家新闻价值评分的一致性来评估其潜力，分析定量相关性和定性评分理由以了解其局限性。然后，我们演示并评估了一个基于这些众包评分以及arXiv论文元数据、文本和其他计算特征训练的预测模型。基于我们开发的众包协议，我们发现虽然众包的新闻价值评分通常与专家评分适度一致，但也存在显著的差异和分歧，这限制了这种方法的有效性。尽管存在这些局限性，我们还发现我们构建的预测模型在针对专家评估进行验证时提供了相当精确的排名（P@10 = 0.8，P@15 = 0.67），表明可以从众包新闻价值评估中学习到可行的信号。基于这些发现，我们讨论了利用众包和预测方法支持新闻工作中发现和筛选有新闻价值信息未来工作的机会。