Comment la santé est couverte en fonction des orientations politiques. États-Unis vs France.


Dans les radars ci-dessus, nous avons analysé les classifications éditoriales dans les médias aux États-Unis et en France, entre le 13 et le 20 juin, à l’aide du corpus suivant :

. Le pays est « France », puis « USA ».
. La taxonomie de la source est « Sciences>Médecine et santé » OU « Industries>Soins de santé », « Couvert » ET au cours de la « semaine passée ».
. La mention « politique » signifie « gauche » OU « extrême gauche », puis « droite » OU « extrême droite », puis « négatif ».

Top 6 des classifications éditoriales aux États-Unis :

  1. « Pas d’Orientation Politique » a Médecine & Santé fortement en première place et loin devant les deuxième et troisième classifications.
  2. Tant « Pas d’Orientation Politique » que Droite et Extrême Droite ont pour première place Médecine & Santé, ce qui semble évident si l’on examine la définition du Corpus, en revanche, Gauche et Extrême Gauche ont le pourcentage le plus bas, en troisième place, bien en-dessous de Société et Mode de Vie.
  3. Il est intéressant de noter que tous ont Politique dans des scores quasi-identiques.
  4. Droite et Extrême Droite ont Economie & Entreprise à un niveau plus élevé, alors que « Pas d’Orientation Politique » et Gauche et Extrême Gauche ont Economie & Entreprise, toutes deux au même niveau.
  5. Les deux groupes, « Pas d’Orientation Politique » et Gauche/Extrême Gauche ont le Divertissement & Loisirs. Droite / Extrême-Droite n’a pas Economie & Entreprise mais a Droit à la place.

Top 6 des classifications éditoriales en France :

  1. Tous les trois ont pour numéro 1 Médecine & Santé et dans une fourchette similaire.
  2. Tous les trois ont les rubriques Mode de Vie et Économie & Entreprise dans la même fourchette.
  3. Tous les 3 ont Société et Politique mais avec  un score plus élevé quand une Orientation Politique est repérée.
  4. Uniquement « Pas d’Orientation Politique » a Sciences Formelles & Sciences de la Terre & Univers.
  5. Uniquement Gauche/Extrême Gauche a Sciences Humaines.
  6. Uniquement Droite/Extrême droite a Divertissement et Loisirs

Les Orientations de contenu peuvent être utiles.

Souvent, les Orientations de contenu sont boudées mais, à la lumière des tableaux ci-dessus, en fonction de vos objectifs de communication, les Orientations, ici politiques, peuvent être utiles.

Vous voulez en savoir plus ? Contactez-nous !

Présentation des orientations Religieuses perçues dans les médias.

Insights sur les couvertures éditoriales : la Religion aux États-Unis et en France.

La semaine dernière, nous avons annoncé le nouveau spotting des orientations politiques, cette semaine, nous introduisons le nouveau spotting des orientations religieuses dans les médias !

Toutes ces analyses ont été effectuées sur la période du 17 Mars au 17 juin 2020.

Aujourd’hui, nous cherchons à couvrir les religions suivantes :  Bouddhisme, Christianisme, Hindouisme, Islam et Judaïsme, délibérément listées par ordre alphabétique car, s’il était nécessaire de les mentionner, en aucun cas, nous ne valorisons une religion par rapport à une autre ou de façons générale.

Ci-dessus, nous comparons les classifications éditoriales des médias perçus comme religieux aux États-Unis et en France.

Nous pouvons constater que les classifications éditoriales sont très similaires, sauf pour Economie et Entreprise, uniquement aux Etats-Unis, et Médecine et Santé, uniquement en France.

Qu’est-ce qui différencie les médias perçus comme étant religieux ?

Aux USA :

Ici, nous comparons TOUS les médias à ceux qui sont considérés comme religieux, aux États-Unis.

Le Top 6 des classifications éditoriales pour les médias repérés comme religieux :

. A Société comme #1
. Partage le même Top 3
. N’a ni Sports, ni Divertissements & Loisirs
. A Economie & Entreprises et Sciences Humaines

En France :

Cette fois, nous comparons TOUS les médias à ceux qui sont repérés comme religieux, en France.

Le Top 6 des classifications éditoriales pour les médias repérés comme religieux :

. Comme aux Etats-Unis, a Société comme #1
. Contrairement aux États-Unis, ne partage pas le même Top 3
. N’a ni Technologie, ni Sports
. A Sciences Humaines et Médecine & Santé

Pays vs Pays+Langue

Ensuite, nous avons examiné la différence entre une langue en général et la même langue parlée dans un pays spécifique.

Le Top 6 des classifications éditoriales pour les médias considérés comme religieux en anglais, aux États-Unis vs partout :

. Même top 3 mais plus fort dans Société et Politique aux Etats-Unis
. Les États-Unis ont Economie et Entreprise
. L’anglais partout, il y a du droit

Le Top 6 des classements éditoriaux pour les médias repérés comme religieux en français, dans le cadre de l’étude France vs partout :

. Même top 6
. En France, plus fort dans les 3 premiers, Société, Mode de Vie et Politique

Comment le Christianisme est-il couvert ?

Maintenant, concentrons-nous sur une religion. Nous avons choisi le christianisme, parmi le bouddhisme, l’hindouisme, l’islam et le judaïsme, parce que sa couverture est la plus commune aux deux pays.

 

Les 6 premiers classements éditoriaux des médias repérés comme religieux > Le christianisme dans les deux pays :

. Les deux pays ont Société comme #1 avec des scores élevés. 
. Les deux pays ont Style de vie, Politique, Sciences Humaines, Culture & Arts
. Seule la France propose Médecine & Santé
. Seuls les États-Unis ont Education.

Intéressé(e) ? Faites-le nous savoir ci-dessous :

Présentation des orientations politiques perçues dans les médias.

Insights sur les couvertures éditoriales : l’extrême gauche vs l’extrême droite et les États-Unis vs la France.

Nouveau : Nous pouvons désormais repérer les orientations politiques dans les médias ! Dans un prochain article, nous expliquerons comment nous pouvons le faire.

Dans le billet d’aujourd’hui, nous avons décidé d’analyser les extrêmes du spectre politique, la gauche et la droite, en France et aux États-Unis (nous n’avons considéré que les classifications éditoriales supérieures à 1%)  :

Aujourd’hui, nous avons également décidé de commencer par certains des enseignements et de vous donner plus de profondeur par la suite. (Faites-nous savoir si vous avez aimé)

Mouse over to zoom. Click to full screen

Couverture éditoriale dans les deux pays

L’extrême gauche : #N° 1, Politique (Politics), N° 2, Société (Society)
L’extrême droite : #N°1, Société, N°2, Politique.

Politique+Société =
Aux États-Unis : 46,3%, extrême gauche, 48,8%, extrême droite
En France : 24,7%, à l’extrême gauche, 29,3% à l’extrême droite

Parti Politique (Political Party) est traité par l’extrême gauche.

Engagement politique (Political Engagement) est élevé pour les deux extrêmes.

Syndicats (Union) mais dans des extrêmes opposés : L’extrême droite en France et l’extrême gauche aux États-Unis

Style de Vie (Lifestyle) dans les 2 extrêmes mais avec un focus sur la classification Enfance, Adolescence et Jeunesse (Child, Teen and Youth) en France et Masculin (Masculine) aux USA

Maison (Home) couvert uniquement par l’extrême gauche

Couverture éditoriale spécifique aux États-Unis.

Les deux extrêmes couvrent les LGBTQ et la Religion.

Les deux extrêmes couvrent à la fois les Défenses Civile et Militaire (Civil and Military Defenses)

Seule l’extrême droite américaine ne couvre pas les Affaires Etrangères (Foreign Affairs)

Les deux extrêmes couvrent le Droit > Constitutionnel et Pénal (Law > Constitutional and Criminal). L’extrême gauche couvre également le Droit International

Les deux extrêmes couvrent les Sciences Humaines > Philosophie (Human Sciences > Philosophy)

Couverture éditoriale spécifique à la France.

Les deux extrêmes couvrent l’Immigration et la Diversité (Immigration and Diversity)

Seule l’extrême gauche couvre le Social et le Travail (Social and Labor)

L’extrême gauche ne couvre pas la Médecine et la Santé (Medicine and Health)

L’extrême gauche ne couvre pas les Sciences Humaines (Human Sciences)


Plus en détail :
Médias perçus comme extrême gauche en France

Politics – 14.9%
Public Services (Social/Health) – 9.1%
Foreign Affairs – 2.1%
Government – 1.7%
Political Party – 1.2%
Society – 9.8%
Political Engagement – 5.1%
Immigration and Diversity – 2.1%
Law – 9.1%
Social and Labor – 6.4%
Economy and Enterprise – 9.0%
Economy – 1.5%
Employment and Unemployment – 1.0%
Medicine and Health – 6.3%
Care – 3.2%
Lifestyle – 5.8%
Child, Teen and Youth – 2.8%
Home – 1.3%

Médias perçus comme extrême droite en France

Society – 19.2%
Political Engagement – 8.2%
Misc News – 4.5%
Religion – 2.5%
Immigration and Diversity – 2.0%
Politics – 10.1%
Foreign Affairs – 2.7%
Political Party – 2.6%
Public Services (Social/Health) – 1.5%
Civil Defense – 1.3%
Government – 1.2%
Lifestyle – 6.9%
Child, Teen and Youth – 2.0%
Medicine and Health – 5.4%
Veterinary Medicine – 1.2%
Care – 1.0%
Economy and Enterprise – 4.8%
Union – 2.1%
Economy – 1.2%
Human Sciences – 3.9%
Philosophy – 1.2%
Psychology – 1.1%

Médias perçus comme extrême gauche aux USA

Politics – 29.8%
Political Party – 12.5%
Foreign Affairs – 6.9%
Government – 5.1%
Public Services (Social/Health) – 2.5%
Military Defense – 1.5%
Civil Defense – 1.0%
Society – 16.3%
Political Engagement – 7.7%
LGBTQ – 3.4%
Religion – 2.1%
Economy and Enterprise – 8.5%
Economy – 5.1%
Union – 2.9%
Law – 5.5%
Consitutional -2.7&%
International – 1.4%
Criminal – 1.0%
Lifestyle – 4.5%
Masculine – 2.8%
Home – 1.0%
Human Sciences – 3.9%
Philosophy – 2.5%

Médias perçus comme extrême droite aux USA

Society – 26.6%
Political Engagement – 7.5%
Religion – 6.9%
LGBTQ – 5.4%
Misc News – 2.7%
Humanitarian Aid – 1.4%
Politics – 22.0%
Political Party – 8.9%
Government – 5.2%
Public Services (Social/Health) – 2.1%
Military Defense – 1.4%
Civil Defense – 1.2%
Law – 6.5%
Consitutional – 3.3%
Criminal – 2.2%
Lifestyle – 5.2%
Masculine – 1.5%
Medicine and Health – 3.8%
Care – 1.0%
Human Sciences – 3.7%
Philosophy – 2.6%

Vous avez des questions ?
Contactez-nous !

Le TrustedOut.com nouveau est arrivé !

Une nouvelle version de TrustedOut.com est maintenant disponible !

Comme notre technologie et nos offres commerciales continuent d’évoluer, il était temps de mettre à jour notre site.

Nous avons décidé de réorganiser notre site en deux groupes :

Où, Pourquoi, Comment :
Vision, Bénéfices, Technologie
.

Notre vision est de donner un accès universel au contenu de confiance, afin que chacun, dans n’importe quelle organisation, puisse exploiter le contenu auquel il fait confiance et donc, faire confiance à toute décision prise à partir de celui-ci. Poursuivre la lecture…

Nos bénéfices proviennent de nos classifications basées sur l’IA qui apportent une expertise universelle non biaisée et toujours à jour pour profiler n’importe quel contenu. Cela offre des avantages inégalés par rapport aux mots clés, tels que l’orientation éditoriale et l’évolution dans le temps. Poursuivre la lecture…

Notre technologie est une technologie propriétaire de Machine Learning un profilage par IA sur mesure. Il s’agit d’ensembles de données mis à jour en permanence pour les classifications internes et externes. Poursuivre la lecture…

Qui :
Solutions pour Business Intelligence, Business Watch, Online Ads, Publishers.

4 pages dédiées aux solutions que nous proposons à 4 types de clients différents :

Pour les Business Intelligence Analystes: 

Le problème :
Vous ne pouvez pas faire confiance à ce qui sort de vos outils de BI si vous ne faites pas confiance à ce qui les alimentent. (« garbage in, garbage out »)
Notre solution :
Définissez le profil des sources de contenu correspondant à votre confiance et alimentez votre BI avec celles-ci.

Découvrir les Solutions pour Business Intelligence…

Pour les utilisateurs de Business Watch :

Le problème :
Comment aligner cadres, collaborateurs et partenaires sur les objectifs de l’entreprise ?
Notre solution :
Alimentez vos lecteurs RSS et vos outils de newsletters avec les Corpus de vos outils de BI.

Découvrir les Solutions pour Business Watch…

Pour Online Ads: les Annonceurs, les Agences et les Editeurs :

1. Brand Safety: Le problème :
Comment s’assurer qu’une marque est en totale sécurité ?
Notre solution:
Construisez et gérez votre liste blanche avec votre définition de ce qui est sûr pour votre marque.

2. Fin des Cookies: Le problème :
Comment cibler une audience en l’absence de cookies ?
Notre solution :
Intelligence tirée des classifications de l’article ciblé.

3. Lois sur les rapports pour annonceurs : Le problème :
Comment traiter les lois gouvernementales sur les rapports pour annonceurs telles que la loi Avia ?
Notre solution :
Les rapports utilisent les profils de Médias réalisés par TrustedOut. Alimentés par l’IA. Indépendants, universels et toujours à jour.

Découvrez les Solutions pour Online Advertising…

Pour les Publishers, Managers et Editeurs:

Le problème :
Comment mes sites sont-ils perçus ? Comment puis-je me comparer ? Mes efforts éditoriaux sont-ils visibles ?
Notre solution :
Obtenez des profils instantanés sur un média, une source et/ou des articles.

Découvrez les Solutions pour Publishers…

Questions? Let us know!

Posts à lire absolument.

1. Notre vision:

Accès universel aux contenus de confiance

  • La méfiance à l’égard des médias est un très, très gros problème.
  • Pas de confiance dans le contenu, Pas de confiance dans les décisions qui en découlent.
  • L’accès aux contenus de confiance devrait être comme l’eau ou l’électricité: une « Utility* ».Définissez le contenu dans lequel  vous avez confiance pour chaque segment de votre entreprise.

Accès universel aux contenus de confiance

2. Notre technologie unique.

2.1 Classifications opérées par IA vs mots-clés. Détection des orientations éditoriales.

Aller au-delà d’un accès unidimensionnel au savoir.

Les classifications par IA ajoutent 2 dimensions : Orientations éditoriales et contexte temporel.

Lisez le post complet pour voir un exemple d’un événement unique traité de 3 façons différentes dans 2 pays différents

Classifications opérées par IA vs mots-clés. Partie 1/2 : Détection des orientations éditoriales.[mise à jour]

2.2 Classifications opérées par IA vs mots-clés : Evolutions dans le temps

Pour la sélection de contenu : Les classifications par IA peuvent détecter les orientations éditoriales ET les évolutions dans le temps. Les mots-clés ne le peuvent pas.

La perception d’un événement évolue avec le temps, de même que nos classifications par IA.

Comment la classification par IA peut-elle faire cela ?

Dans un article précédent, nous avons expliqué le fonctionnement de notre IA :

Comment fonctionne notre classification par Intelligence Artificielle.

Chaque nouvel article est classé comme suit :

Pourquoi c’est très important.

Ce qui est vrai au moment de la publication peut ne pas l’être au moment de l’analyse, ou de la publicité…

Classifications opérées par IA vs mots-clés. Partie 2/2 : Evolutions dans le temps

Questions? Dîtes-nous !

Une taxonomie gérée par l’IA pour suivre l’évolution du langage.

Mesurer par rapport à des Datasets.

Nous avons expliqué dans l’article suivant comment fonctionne notre classification :

Comment fonctionne notre classification par Intelligence Artificielle.

Pour la taxonomie, les mots des articles sont mesurés par rapport aux Datasets des classifications (alias bags of words)

Pour évaluer la façon dont un média est perçu, nous mesurons cette fois-ci ce qui est dit par rapport aux Datasets sur les perceptions


L’appariement et la pondération font le score du document. C’est ainsi que l’on sait où classifier un article et son niveau d’expertise/gravité.

L’IA pour des Datasets en permanence pertinents.

La perception que nous avons d’un événement évolue avec le temps. Il en va de même pour les classifications de cet article. Pour y parvenir, nous maintenons les Datasets à jour en permanence. Comme nous l’avons vu dans le post de la semaine dernière, les classifications d’un article évolue avec le temps :

Classifications opérées par IA vs mots-clés. Partie 2/2 : Evolutions dans le temps

L’effet domino : Les langues ont un impact sur les Datasets, qui ont un impact sur la taxonomie.

La façon dont nous parlons de quelque chose évolue avec le temps. En fait, le dialecte de la tribu composé de personnes préoccupées par quelque chose évolue avec le temps. Plus spécifique, plus cool, plus geek, plus récent… quelle qu’en soit la raison, nous aimons les changements, nous aimons les nouvelles façons de s’exprimer.

Datasets mis à jour. En permanence.

Les Datasets doivent être reconstruits et mis à jour en permanence afin de saisir les nouveaux mots, une variation d’importance des mots, et la disparition de certains.

Overlapping intelligence. Sous surveillance.

Au fur et à mesure que les Datasets évoluent, ils peuvent faire se chevaucher une classification sur une autre, ce qui affaiblira la taxonomie.

Nous mesurons les chevauchements, de façon permanente également, et si l’on en détecte un, la taxonomie évolue en conséquence.

(Re)Lectures recommandées :

Accès universel aux contenus de confiance

Classifications opérées par IA vs mots-clés. Partie 1/2 : Détection des orientations éditoriales.[mise à jour]

Questions? Dîtes-nous !

Economy and Enterprise – US vs France Taxonomies.

Economy and Enterprise en France.

Demandons à TrustedOut, pour la France, quelle est la taxonomie de tous les médias couvrant le groupe de classification « Economie et Entreprise » au cours des 7 derniers jours.

Voici la requête du corpus :

Affichant 373 médias et 750 sources

et l’ADN de la taxonomie :

Economy and Enterprise aux USA.

Demandons à TrustedOut, pour les USA, quelle est la taxonomie de tous les médias couvrant le groupe de classification « Economie et Entreprise » au cours des 7 derniers jours.

Voici la requête du corpus :

Affichant 1,961 Medias et 3,645 sources

et l’ADN de la taxonomie :

Comparaisons:

France USA
General, 43.6% General, 41.9%
General > Economy and Enterprise, 20.2% General > Economy and Enterprise, 21.5%
General > Economy and Enterprise > Economy, 6.2%
General >  Finance, 5.2% General >  Finance, 5.4%
General >  Law, 6.5%
General > Tech, 8% General > Tech, 8%
Industries, 22.2% Industries, 19.1%
Sciences, 6.7% Sciences, 7.7%
People, 27.3% People, 31.2%
People > Culture and Arts, 7.3%
People > Sports, 6.6%
People > Lifestyle, 5.9%

Comment lire le tableau ci-dessus : Le pourcentage correspond à la quantité du dataset de la classification contenue dans la publication. Ex : Aux Etats-Unis, les médias couvrant l’économie et l’entreprise ont également 5,9% de mots appartenant à la classification Lifestyle (partie de People).

En France, les medias de « Economie et Entreprise » couvrent également :

Deeper in Economy
Law
Culture and Arts
Sports

Alors qu’aux USA, « Economy and Enterprise » couvre également :

Lifestyle

Affiner votre corpus pour comparer des pommes entre des pommes.

Vous voulez comparer les deux pays pour le lancement d’un produit, mais vous ne voulez pas de la classification Lifestyle aux États-Unis ?

Ajoutez simplement la taxonomie IS NOT Lifestyle :

Voila. Lancez maintenant vos analyses sur ces 2 corpus ou/et obtenez les listes blanches correspondantes…

Des questions ? Contactez-nous !

Affiner votre corpus pour perfectionner les analyses et créer des whitelists parfaites.

Jetons un coup d’oeil à quelques mises à jour que nos alpha-testeurs peuvent apprécier depuis hier soir.

Scenario de la démo: Disons que nous voulons créer un Corpus pour le marché alimentaire américain pour certaines analyses de notre marque et une nouvelle campagne publicitaire qui arrive prochainement.

1/ La définition large. Pays et taxonomie.

Ajouter un pays, sélectionnez États-Unis.

Ajoutez la taxonomie IS composée de ces deux classifications :

  • Industry > Manufacturing and Retail > Food and Beverages
  • People > Lifestyle > Food and Beverages Services.

Comme vous le savez, TrustedOut profile également le niveau d’expertise et la sensibilité aux news pour chaque média. Dans notre démo, nous voulons TOUS les niveaux et une taxonomie, stable, sur le dernier trimestre glissant (-90 jours à partir d’aujourd’hui). Nous recalculons et mettons à jour tout en permanence.

Nous avons 4 003 médias pour notre whitelist et 10 027 sources pour alimenter nos outils analytiques.

2/ Affiner la cible. Exclure une classification.

Pour cet effort, nous ne voulons pas de médias spécialisés dans le « Food processing » (transformation alimentaire), profilés sur la même période de temps, donc nous l’excluons de notre Corpus comme ceci :

  • IS Industry > Manufacturing and Retail > Food and Beverages
  • IS People > Lifestyle > Food and Beverages Services.
  • IS NOT Industry > Agriculture > Food Processing

Nous avons maintenant 487 médias et 732 sources.

3/ Sélectionner individuellement les médias voulus ou non voulus. Par nom, par URL.

(Ceci est une démo. Rien de personnel pour ces sites 🙂

D’après nos expériences passées, nous ne voulons pas travailler avec quoi que ce soit en rapport avec foodnavigator.com et ses filiales et nous ne voulons pas non plus d’un site nommé « Food processing ». En cliquant sur « Get » et en faisant défiler la liste des médias que TrustedOut me donne, je vois qu’ils sont bien dans la liste :

Enlevons les de notre Corpus :

Disons à notre corpus d’ajouter les conditions suivantes :

  • Name DOES NOT CONTAIN « Food processing »
  • Website DOES NOT CONTAIN « foodnavigator » in its domain

Voila. 484 médias et 726 sources.

Le Corpus est prêt à alimenter notre outil d’analyse BI et à être notre Whitelist (à importer dans notre DSP).

Des questions ? Dîtes-nous !

Comment fonctionne notre classification par Intelligence Artificielle.

Nous recevons beaucoup de questions sur le fonctionnement de notre classification par IA, nous avons donc décidé de faire 2 dessins pour expliquer son fonctionnement.

1. La taxonomie.
Les Médias de l’intérieur.
Incluant expertise et sensibilité.

Un média a des sources qui publient chacune de nouveaux articles. De chaque nouvel article, nous ne gardons que des mots utiles (pas de « stop words » comme « le, est, mais… ») que nous appelons « abstract ».

Chaque mot de ce nouvel abstract est comparé à plusieurs centaines de datasets de mots (bags of words). Chaque classification de notre taxonomie a son propre dataset.

Chaque million d’abstracts représente 75,000,000,000 d’operations.

Cette méthode est proche du modèle tribal. Chaque tribu utilise un dialecte fait de mots qui signent ce dialecte. Quand on reconnaît un dialecte, on reconnaît une tribu, ici appelé classification. En fonction du nombre et du poids des mots, nous sommes en mesure d’évaluer le niveau d’expertise dans la classification. Cela nous donne une note pour l’article.

En jouant avec la longueur de la période passée, on peut aussi mesurer la sensibilité des sources à l’actualité. La compilation des sources nous renseigne sur la situation des médias.

Conclusion : Nous avons une taxonomie universelle, toujours mise à jour et pouvant être filtrée par niveau d’expertise et sur 3 périodes de temps pour détecter la sensibilité au travers du temps (et la formation de tendances, mais nous vous en dirons plus très bientôt)

2. Les Perceptions.
Les Média de l’extérieur.
Comment un média est-il perçu.

Les « fake news », la « Junk science » et d’autres appréciations toxiques sont tangibles. Rarement, cela peut-il être intangible, parce qu’il s’agit d’appréciations. Ce qui est une « fake news » pour certains ne l’est pas pour d’autres. C’est pourquoi nous traitons ces appréciations comme « spotted as », ou « perçues sur internet comme ».

Tout comme la taxonomie, on parle ici d’appréciation, mais, alors que la taxonomie concerne l’éditeur lui-même, nous l’appelons le « Publisher Inside », la perception est le « Publisher Outside », ou comment l’éditeur est perçu pour ces termes sur le web.

Pour ce faire, nous collectons la perception de l’éditeur sur Internet, en excluant strictement toute propriété de l’éditeur lui-même.

Cela nous donne des pages et des mots que nous associons aux datasets de chaque Perceptions (un pour les « fausses nouvelles », un pour la « science poubelle » et ainsi de suite) d’une manière similaire à celle expliquée ci-dessus.

Nous avons alors un score qui, lorsqu’il est supérieur à un seuil, fait que la publication est « perçue comme une fake news » par exemple.

Conclusion : Nous évaluons comment une publication est perçue, par Machine Learning, car aucune personne ou aucun groupe ne peut le décréter.

Des questions ? Tirez !

« Fausses nouvelles » ne veut presque rien dire.

Ce post est inspiré de cet article du Washington Post (en anglais)

3 Américains sur 4 pensent que les médias traditionnels rapportent des « fake news »…

Ce chiffre provient d’un sondage réalisé en 2018 à l’Université Monmouth.

Nous n’entrerons pas dans l’argumentation politique, mais nous nous concentrerons sur la définition de ce que signifie  » fake news ».

… mais que signifie « fake news » ?

« Quand vous voyez le résultat, vous ne savez pas ce que cela signifie « , a déclaré Tom Rosenstiel, directeur exécutif de l’American Press Institute, qui a une expérience des sondages chez Pew Research.

« Il pourrait s’agir d’histoires que je n’aime pas, d’histoires qui critiquent une personne que j’aime, d’histoires qui comportent une erreur factuelle, d’histoires qui sont fondamentalement fausses ou d’histoires inventées par des farceurs ou des propagandistes politiques à partir de tout le tissu « , dit-il.

Les « fake news » sont-elles des « articles factuels que je n’aime pas » ?

Et si les « fausses nouvelles » comprennent des « reportages factuels que je n’aime pas », il n’est pas étonnant que les chiffres négatifs soient si élevés. S’il comprend aussi des « décisions éditoriales » qui ont des répercussions négatives sur un titulaire de charge, c’est encore moins étonnant.

Le problème ne sont pas les « fake news », mais « la définition de votre confiance ».

Le niveau de confiance dans « Media que je lis » est supérieur de 50% à celui des médias en général.

…. et la définition de votre confiance est ce qu’est TrustedOut.

TrustedOut :
Une base de données de médias profilés AI.

Pour l’analyse sémantique et la Brand Safety,
« what’s not Trusted In, can not be Trusted Out.”

Des questions ? Contactez-nous !