布鲁盖尔-Talking-about-Europe_--exploring-70-years-of--news-archives_43页_1mb

总结：TALKING ABOUT EUROPE: EXPLORING 70 YEARS OF NEWS ARCHIVES

核心内容

本文通过分析1945年至2019年间法国、德国和意大利三份主流报纸（Le Monde、Der Spiegel 和 La Stampa）的新闻档案，探讨了欧洲议题在媒体报道中的演变。研究采用了大规模数据收集、自然语言处理（NLP）和主题建模等技术，以量化方式分析欧洲新闻在不同国家媒体中的关注度，并揭示其与欧洲一体化进程的关系。

主要观点

• 研究目的：了解欧洲在媒体中的形象和讨论频率，以反映公众舆论和欧洲一体化的历史进程。
• 方法论：结合关键词匹配和主题建模，从海量新闻数据中识别出与“欧洲”相关的文章。该方法不同于以往的“细读”方法，而是采用“远读”（distant reading）策略，以提高分析的可扩展性和效率。
• 数据来源：选择法国（Le Monde）、德国（Der Spiegel）和意大利（La Stampa）的新闻档案，涵盖战后至2019年的新闻内容。
• 技术应用：利用自然语言处理和机器学习技术进行大规模文本分析，包括关键词匹配、主题建模（LDA）和时间序列分析。
• 结果发现：自1990年代初以来，欧洲议题在媒体中的关注度显著上升，这与欧洲一体化的加速相关。通过分析新闻报道的频率（E/T），可以识别出欧洲历史上的关键事件，如欧洲选举、条约签署等。

关键信息

1. 数据收集与处理

• 选择标准：新闻来源需为欧盟创始成员国之一，具有国家代表性，并且拥有从战后时期开始的数字化新闻档案。
• 数据处理：
  • 通过OCR技术将扫描文本转化为可读格式。
  • 清洗、组织和标准化数据，确保其在时间上的一致性和跨国家的可比性。
  • 使用Mallet工具包进行主题建模，以处理大规模数据集。

2. 识别“欧洲”相关文章

• 关键词匹配：构建了包含“欧洲”相关概念和机构的关键词列表，如“欧洲”、“欧盟”、“欧洲委员会”等。
• 关键词评分：
  • 每个关键词匹配增加1分。
  • “欧元”等词的匹配值为0.5，以减少误判。
  • 设置关键词得分阈值为3，低于此值的文章归入“总新闻”（T），高于此值的归入“欧洲新闻”（E）。
• 主题建模：
  • 使用LDA（潜在狄利克雷分布）模型识别新闻中的潜在主题。
  • 通过排序关键词得分，筛选出“欧洲”相关主题，并排除与欧洲无关的类别（如体育、经济、国际关系等）。
  • 将主题分为三类：肯定属于欧洲、可能属于欧洲、不属于欧洲，以减少误判。

3. 分析结果

• 时间趋势：欧洲新闻在1990年代中期显著增加，可能与《马斯特里赫特条约》签署及欧洲一体化进程加快有关。
• E/T比率：
  • 通过三种定义方式（简单关键词匹配、严格定义、宽泛定义）计算E/T比率，其中“宽泛定义”是作者偏好的指标。
  • 图表显示，欧洲新闻在不同报纸中的关注度存在差异，且与历史事件密切相关。
• 里程碑事件：欧洲选举、条约签署、国际冲突等事件在新闻中频繁出现，表明其对媒体关注的显著影响。

研究意义与局限

• 意义：本文为理解欧洲一体化进程中的媒体角色提供了新的视角，展示了大数据和计算方法在历史研究中的潜力。
• 局限：
  • 主题建模未考虑时间维度，因此无法捕捉主题随时间的变化。
  • 仍需进一步研究时间变化对主题的影响，以提高分析的深度和精确性。

结论

本文通过量化分析，揭示了欧洲议题在媒体报道中的演变趋势，并指出欧洲一体化进程在1990年代后的显著加速。研究方法具有创新性，为未来欧洲历史、媒体分析和公共舆论研究提供了可借鉴的框架。