در دنیای امروز که روابط بین‌الملل به‌شدت تحت تأثیر برداشت‌های عمومی قرار دارد، این پرسش که «رسانه‌های جمعی چگونه افکار مردم را در مورد کشورهای دیگر شکل می‌دهند؟» اهمیتی حیاتی یافته است. برای دهه‌ها، نظریه‌پردازان علوم اجتماعی و ارتباطات به این رابطه اشاره کرده‌اند، اما ارائه شواهد کمی، دقیق و در مقیاس بزرگ همواره یک چالش بزرگ بوده است. مقاله علمی «مدارک کمی گسترده از تأثیر رسانه بر افکار عمومی در قبال چین» پاسخی قدرتمند و داده‌محور به این پرسش ارائه می‌دهد.

اهمیت این پژوهش در سه جنبه اصلی نهفته است: اول، استفاده از یک مجموعه داده عظیم و بی‌سابقه شامل بیش از ۲۶۷ هزار مقاله روزنامه نیویورک تایمز از سال ۱۹۷۰؛ دوم، به‌کارگیری یکی از پیشرفته‌ترین مدل‌های هوش مصنوعی در حوزه پردازش زبان طبیعی (NLP) به نام BERT برای تحلیل محتوای این مقالات؛ و سوم، ایجاد یک پیوند آماری بسیار قوی میان لحن رسانه و نگرش عمومی در یک بازه زمانی طولانی. این مقاله فراتر از مطالعات موردی و تحلیل‌های کیفی محدود رفته و با ارائه شواهد کمی، درک ما را از قدرت رسانه در شکل‌دهی به ژئوپلیتیک افکار عمومی متحول می‌کند.

این پژوهش توسط تیمی از محققان برجسته به نام‌های جانمینگ هوانگ (Junming Huang)، گاوین کوک (Gavin Cook) و یو شیه (Yu Xie) انجام شده است. این نویسندگان در مرز میان رشته‌های علوم اجتماعی محاسباتی، جامعه‌شناسی و علم داده فعالیت می‌کنند. تخصص ترکیبی آن‌ها امکان اجرای چنین پروژه پیچیده‌ای را فراهم آورده است که نیازمند درک عمیق از نظریه‌های اجتماعی و همچنین تسلط بر تکنیک‌های پیشرفته هوش مصنوعی و تحلیل داده‌های کلان است.

زمینه این تحقیق، حوزه نوظهور «علوم اجتماعی محاسباتی» است که در آن از قدرت محاسباتی برای تحلیل پدیده‌های اجتماعی در مقیاسی که پیش از این غیرممکن بود، استفاده می‌شود. پیش از این، سنجش تأثیر رسانه اغلب به نظرسنجی‌های محدود یا تحلیل محتوای دستی تعداد کمی از مقالات متکی بود. این روش‌ها گرچه ارزشمند بودند، اما نمی‌توانستند تصویری جامع و بلندمدت ارائه دهند. این مقاله با بهره‌گیری از ابزارهای جدید، این محدودیت‌ها را پشت سر گذاشته و الگویی نوین برای تحقیقات آینده در این زمینه ارائه می‌کند.

مقاله با این سؤال اساسی آغاز می‌شود: آیا رسانه‌های جمعی بر نظر مردم در مورد کشورهای دیگر تأثیر می‌گذارند؟ برای پاسخ به این سؤال، محققان یک رویکرد دو مرحله‌ای را در پیش گرفتند. ابتدا، با استفاده از مدل BERT، که یک مدل پیشرفته مبتنی بر شبکه‌های عصبی عمیق است، مجموعه‌ای عظیم شامل ۲۶۷٬۹۰۷ مقاله مرتبط با چین را که از سال ۱۹۷۰ توسط روزنامه نیویورک تایمز منتشر شده، تحلیل کردند. هدف این تحلیل، استخراج «لحن» یا «احساس» (Sentiment) کلی مقالات در هر سال بود.

در مرحله بعد، خروجی این تحلیل (یعنی روند سالانه لحن رسانه) با یک مجموعه داده طولی که از ۱۰۱ نظرسنجی مقطعی در مورد دیدگاه مردم آمریکا نسبت به چین ساخته شده بود، مقایسه شد. یافته اصلی و شگفت‌انگیز تحقیق این بود که پوشش خبری نیویورک تایمز در مورد چین در یک سال معین، ۵۴ درصد از واریانس افکار عمومی آمریکا نسبت به چین در سال بعد را توضیح می‌دهد. این نتیجه، ارتباط فرضی میان رسانه و افکار عمومی را به‌طور کمی تأیید کرده و نشان می‌دهد که رسانه‌های جمعی چگونه می‌توانند به‌طور مستقیم بر شکل‌گیری نگرش عمومی نسبت به کشورهای خارجی تأثیرگذار باشند.

ستون فقرات این پژوهش، روش‌شناسی نوآورانه و دقیق آن است که می‌توان آن را به سه بخش اصلی تقسیم کرد: جمع‌آوری داده‌ها، تحلیل محتوا با هوش مصنوعی، و تحلیل آماری.

• مجموعه داده‌ها (Datasets):
  • داده‌های رسانه‌ای: محققان آرشیو کامل روزنامه نیویورک تایمز از سال ۱۹۷۰ تا زمان انجام پژوهش را استخراج کردند و تمامی مقالاتی را که به «چین» اشاره داشتند، جدا نمودند. این مجموعه داده شامل ۲۶۷٬۹۰۷ مقاله است. انتخاب نیویورک تایمز به دلیل جایگاه آن به عنوان یک «رسانه مرجع» (Newspaper of Record) در آمریکا بود که اغلب دستور کار سایر رسانه‌ها و نخبگان را تعیین می‌کند.
  • داده‌های افکار عمومی: برای سنجش نگرش عمومی، داده‌های ۱۰۱ نظرسنجی ملی از منابع معتبری مانند مرکز تحقیقاتی پیو (Pew) و گالوپ (Gallup) جمع‌آوری شد. این نظرسنجی‌ها در بازه‌های زمانی مختلف، دیدگاه مردم آمریکا را نسبت به چین می‌سنجیدند. با تجمیع این داده‌ها، یک سری زمانی از میانگین افکار عمومی سالانه ساخته شد.
• تحلیل محتوا با مدل BERT:

  چالش اصلی، تبدیل متن صدها هزار مقاله به یک معیار کمی از «لحن» بود. در اینجا، مدل BERT (Bidirectional Encoder Representations from Transformers) وارد عمل شد. برخلاف روش‌های قدیمی که بر شمارش کلمات کلیدی مثبت یا منفی تکیه داشتند، BERT قادر است معنای کلمات را بر اساس بافت و زمینه جمله درک کند. به هر مقاله یک امتیاز احساس (Sentiment Score) اختصاص داده شد که نشان می‌داد لحن کلی آن نسبت به چین مثبت، منفی یا خنثی است. سپس، این امتیازات برای هر سال میانگین‌گیری شد تا یک شاخص سالانه از «لحن رسانه‌ای» به دست آید.

• تحلیل آماری و مدل‌سازی:

  در مرحله نهایی، محققان از مدل‌های رگرسیون خطی برای بررسی رابطه میان دو سری زمانی استفاده کردند: شاخص لحن رسانه‌ای نیویورک تایمز در سال (Y) و شاخص افکار عمومی در سال بعد (Y+1). این تأخیر زمانی یک ساله (One-year lag) بسیار مهم است، زیرا این فرضیه را تقویت می‌کند که پوشش رسانه‌ای یک عامل پیش‌بینی‌کننده و تأثیرگذار بر افکار عمومی است، نه اینکه صرفاً بازتابی از آن باشد.

نتایج این تحقیق فراتر از تأیید یک همبستگی ساده بود و چندین یافته کلیدی و مهم را به همراه داشت:

• قدرت پیش‌بینی بالا: مهم‌ترین یافته این است که مدل آماری نشان داد لحن رسانه‌ای نیویورک تایمز در یک سال می‌تواند ۵۴٪ از تغییرات (واریانس) در افکار عمومی آمریکا نسبت به چین در سال بعد را توضیح دهد. در علوم اجتماعی، یافتن یک متغیر واحد که بتواند بیش از نیمی از واریانس یک پدیده پیچیده مانند افکار عمومی را توضیح دهد، امری بسیار نادر و قابل توجه است.
• تأیید رابطه علی با تأخیر زمانی: وجود تأخیر یک ساله در این رابطه، شواهد محکمی برای یک جهت‌گیری علی (از رسانه به مردم) فراهم می‌کند. این بدان معناست که تغییر در نحوه گزارش‌دهی رسانه، مقدم بر تغییر در نگرش عمومی است و به احتمال زیاد باعث آن می‌شود.
• اعتبارسنجی نظریه‌های کلاسیک: این یافته‌ها شواهد کمی محکمی برای نظریه‌های ارتباطی کلاسیک مانند «نظریه برجسته‌سازی» (Agenda-Setting Theory) و «نظریه قاب‌بندی» (Framing Theory) ارائه می‌دهند. این نظریه‌ها معتقدند رسانه‌ها نه تنها به مردم می‌گویند که به چه چیزی فکر کنند، بلکه چگونه در مورد آن فکر کنند.
• نقشه راه بلندمدت: با تحلیل داده‌ها در یک بازه زمانی ۵۰ ساله، این پژوهش نشان می‌دهد که این تأثیر یک پدیده کوتاه‌مدت نیست، بلکه یک الگوی پایدار در روابط رسانه و افکار عمومی است.

این مقاله دستاوردهای مهمی در چندین حوزه علمی و عملی دارد و راه را برای تحقیقات آینده هموار می‌کند.

• پیشرفت روش‌شناختی: موفقیت در استفاده از مدل‌های زبان پیشرفته مانند BERT برای تحلیل متون تاریخی در مقیاس بزرگ، یک دستاورد بزرگ در علوم اجتماعی محاسباتی است. این رویکرد می‌تواند برای مطالعه تأثیر رسانه‌ها بر موضوعات دیگر (مانند تغییرات اقلیمی، مهاجرت) یا روابط بین کشورهای دیگر نیز به کار گرفته شود.
• کاربرد در روابط بین‌الملل: برای دیپلمات‌ها و سیاست‌گذاران، این تحقیق ابزاری قدرتمند برای درک و حتی پیش‌بینی افکار عمومی در کشورهای دیگر فراهم می‌کند. آن‌ها می‌توانند با رصد لحن رسانه‌های کلیدی، تأثیر احتمالی آن بر نگرش مردم را ارزیابی کرده و استراتژی‌های دیپلماسی عمومی خود را تنظیم کنند.
• اهمیت برای مطالعات رسانه: این پژوهش مسئولیت سنگین رسانه‌ها، به‌ویژه رسانه‌های مرجع، را در شکل‌دهی به درک عمومی از جهان برجسته می‌کند. این یافته‌ها می‌توانند به بحث‌های مربوط به سوگیری رسانه‌ای، اخلاق روزنامه‌نگاری و نقش رسانه در دموکراسی عمق بیشتری ببخشند.
• افزایش سواد رسانه‌ای عمومی: برای عموم مردم، این تحقیق یک یادآوری مهم است که تصویری که از طریق رسانه‌ها از جهان دریافت می‌کنند، می‌تواند به شدت بر نگرش آن‌ها تأثیر بگذارد. این امر بر لزوم تفکر انتقادی و مراجعه به منابع خبری متنوع برای دستیابی به یک دیدگاه متعادل تأکید می‌کند.

مقاله «مدارک کمی گسترده از تأثیر رسانه بر افکار عمومی در قبال چین» یک پژوهش دوران‌ساز است که با ترکیب داده‌های کلان، هوش مصنوعی پیشرفته و تحلیل‌های آماری دقیق، ارتباطی قوی و معنادار میان پوشش رسانه‌ای و افکار عمومی را به اثبات می‌رساند. این تحقیق نشان می‌دهد که چگونه لحن یک رسانه معتبر مانند نیویورک تایمز می‌تواند به عنوان یک نیروی قدرتمند، نگرش یک ملت را نسبت به کشوری دیگر شکل دهد.

یافته کلیدی مبنی بر اینکه ۵۴ درصد از تغییرات افکار عمومی توسط پوشش خبری سال قبل قابل توضیح است، درک ما از دینامیک قدرت نرم و دیپلماسی عمومی را عمیق‌تر می‌کند. اگرچه این مطالعه بر روی رابطه آمریکا و چین و روزنامه نیویورک تایمز متمرکز است، اما روش‌شناسی و نتایج آن پیامدهای گسترده‌تری برای درک نقش رسانه‌ها در عصر اطلاعات دارد. این پژوهش نه تنها یک خلأ مهم در ادبیات علمی را پر می‌کند، بلکه به عنوان یک الگوی قدرتمند برای نسل آینده تحقیقات در علوم اجتماعی محاسباتی عمل خواهد کرد.