media-analyzer

メディア分析

概要

メディア分析は、ニュース記事、論説、プレスリリース、その他のメディアを、批判的かつ中立的な視点で読み解くための、手法に焦点を当てたワークフローです。メディアの文章では、感情を揺さぶる動詞、選択的な統計、引用元の組み合わせ、枠組みを示す比喩、省略、感情への訴え、証拠の不釣り合いな提示など、修辞的な選択によって受け止め方が形作られることがよくあります。このスキルは、どの政治的立場が正しいかを判断せずに、こうした観察可能な手法を体系的に特定します。

文章が解釈をどのように導いているかを理解することが目的の場合に、このスキルを使用してください。報道機関、著者、記事に対して、左派、右派、保守、リベラル、X賛成、Y反対などのレッテルを貼るためには使用しないでください。出力は、手法の使用状況を明らかにし、結論は読者に委ねる構造化された分析レポートです。

基本原則：立場ではなく、手法を検出する

中心となるルールは、立場ではなく、手法を検出することです。

情報源を「左派」「右派」「保守」「リベラル」または「X寄り」と決して分類しないでください。代わりに、具体的な修辞手法を特定してください。

• 感情的な含みのある言葉と、中立的な代替表現；
• 引用された、または省略された情報源の種類；
• 引用された統計と、引用されていない関連データ；
• 比喩、命名の選択、前提、誘導的な質問などの枠組みを示す表現；
• 感情への訴えかけのパターン；
• 証拠の重みが異なる立場間の誤った両論併記。

有効な指摘は、「記事の最初の4段落に、強度の高い動詞が3つ使われています」です。無効な指摘は、「この記事はその政策に反対する偏向があります」です。分析は観察可能で、具体的で、政治的方向性に中立なものにしてください。

クイックスタート

このスキルのディレクトリから実行します。

python scripts/analyze.py scan --input article.md

スキャン結果を保存し、レポートを生成します。

python scripts/analyze.py scan --input article.md --output analysis.json
python scripts/analyze.py report --scan analysis.json --output report.md

感情的な含みのある表現の辞書を確認します。

python scripts/analyze.py wordlist --format table

完了条件：レポートに、検出された手法の兆候が記載されていること、追加の文脈調査が必要な箇所が特定されていること、バイアスの兆候の程度が強度のみとして説明されていること、政治的方向性を示すレッテルが避けられていること。

7つの手法カテゴリー

1. 感情的な含みのある表現

定義： 中立的な表現の代わりに、感情を揺さぶる動詞、形容詞、名詞、修飾語を用いて、読者の反応を誘導することです。

検出基準： 言葉の選び方を、中立的な代替表現と比較します。同じ事実を、より感情的な表現を避けて報じられるかどうかを確認します。

例：

• 「激しく非難した」と「応じた」；
• 「壊滅的な」と「重大な」；
• 「痛烈に批判した」と「批判した」。

スクリプトのサポート： scripts/analyze.py は、攻撃的な動詞、感情的な形容詞、軽蔑的な表現、枠組みを示す表現を含む組み込みの単語リストと照合し、感情的な含みのある単語を数えます。検出された各例には、段落の文脈と中立的な代替表現が含まれます。

2. チェリーピッキング

定義： ある主張を裏付けるデータ、事例、期間だけを引用し、容易に入手できる補足的または相反するデータを省略することです。

検出基準： 引用された統計を、そのトピックについて入手可能なデータと比較します。期間、基準値、改訂、不確実性、代表性のある比較対象グループを確認します。

例：

• 年間の減少を省き、1か月分の売上増加だけを引用する；
• 学区全体との比較をせず、1校の成績だけを強調する；
• 調査全体の文脈を省き、質問を1つだけ報告する。

スクリプトのサポート： このスクリプトはチェリーピッキングを検証しません。記事をスキャンするために使用した後、ウェブ検索ツールとウェブ抽出ツールを使って一次データを探し、存在する情報と引用された情報を比較してください。

3. 情報源の選択バイアス

定義： トピックに関連する他の視点が存在するにもかかわらず、特定の種類の機関や視点に属する情報源のみを引用または言い換えることです。

検出基準： 引用または出典として示された情報源を、機関の種類（公的機関、専門家、市民、組織、不明）ごとに数えて分類します。そのうえで、情報源の構成がトピックに適しているかを評価します。

例：

• 交通機関の記事で、機関の職員だけを引用し、利用者や独立した計画担当者を引用していない。
• 職場に関する記事で、経営陣だけを引用し、従業員や社外の労働問題の専門家を引用していない。
• 製品の安全性に関する記事で、メーカーだけを引用し、規制当局や顧客を引用していない。

スクリプトのサポート： scripts/analyze.py は、「X によると」「X は述べた」「X が言った」や、引用の後に出典を示すパターンなどを抽出します。情報源への言及は、キーワードに基づいて分類されます。

4. フレーミング

定義： 呼称、比喩、情報の順序、見出しの表現、前提、質問の構造を通じて、解釈の方向性を導く形で情報を提示することです。

検出基準： 比喩、前提を含む表現、誘導的な質問、呼称の選択など、フレーミングの手法を特定します。

例：

• 「適正規模化」は、雇用削減を規模の誤りを正すこととして捉えさせます。
• 「ゲーム業界」と「ギャンブル業界」は、同じ事業者に対して異なる呼称の枠組みを用いています。
• 「業務の効率化」は、既存のプロセスが非効率だったことを前提とします。
• 「なぜその計画は失敗したのか？」は、失敗を立証する前に、失敗したことを前提とします。

スクリプトのサポート： スクリプトは、フレーミングを示唆する可能性のある質問や、感情に訴える単語を数えられます。フレーミングの判断には、分析者または LLM による確認が必要です。

5. 省略

定義： 記事の理解を変えてしまうような形で、関連する背景情報が省かれていることです。

検出基準： 関連性があるにもかかわらず、欠けているトピック、基準値、期間、但し書き、一次情報の文脈を確認します。

例：

• 基準となる発生率を示さずに、インシデント件数だけを示す。
• インフレ調整後の背景情報を示さずに、予算の変化を示す。
• サンプルサイズや研究の限界を示さずに、研究結果を示す。

スクリプトのサポート： スクリプトは、何が欠けているかを把握できません。ウェブ検索ツールを使い、入手可能な背景情報、一次情報、時系列、但し書きを特定してください。

6. 感情への訴え

定義： 読者の反応を誘導したり、証拠の代わりに使われたりする可能性のある、恐怖、憤り、同情、怒り、緊急性、権威への訴えです。

検出基準： 感情を操作するパターンを特定し、その強さと提示されている証拠を比較します。

例：

• 議論を打ち切る訴えとして「子どもたちのことを考えてください」を使う。
• 規模や発生可能性を示さずに「大惨事」などの恐怖をあおる表現を使う。
• 比例する証拠を示さず、スキャンダルを示す言葉を繰り返して憤りをあおる。

スクリプトのサポート： scripts/analyze.py は、恐怖をあおる言葉、憤りをあおる言葉、同情への訴え、権威への訴えの表現、緊急性を示す表現を検出します。

7. 偽りのバランス

定義： 証拠の重みが異なる立場を同等として提示することです。

検出基準： 情報源の専門性、証拠の質、合意の程度も含め、主流の立場と少数派の立場に与えられた比重を比較します。

例： 関連する科学者の 97％が X と述べ、3％が Y と述べている場合に、証拠の重みの差を説明せず、記事が両方に同じ紙幅を割く。

スクリプトのサポート： 情報源の数から紙幅の配分パターンを推測できますが、偽りのバランスを分析するには、証拠の重みに関する文脈の調査が必要です。

4 段階のパイプライン

1. 抽出

記事のテキストを Markdown またはプレーンテキストに取り込みます。タイトル、著者、公開日、入手可能な場合は情報源 URL、引用された情報源、直接引用、目に見える統計を特定します。

完了条件：記事のテキストがローカルで利用でき、入手可能な場合は情報源のメタデータが記録されていること。

2. スキャン

ルールベースの分析を実行します。

python scripts/analyze.py scan --input article.md --output analysis.json

スキャンでは、次の項目が報告されます。

• 読み込まれた言語の数と各言語の出現数；
• 出典への言及の抽出と出典タイプ別の件数；
• 感情に訴えるパターン；
• 段落数、文の平均長、疑問文、感嘆符；
• 手法の件数に基づく強度スコア。

完了基準：analysis.json が存在し、記事の単語数、手法の件数、バイアスシグナルのスペクトラムスコアが含まれていること。

3. 文脈を調査する

スクリプトでは把握できない情報について、文脈を調査します。

• 都合のよい情報の選択： ウェブ検索を使い、一次データセット、より長期の時系列データ、改訂情報、独立した要約を探します。
• 情報の省略： 関連する基準値、注意事項、出来事の経緯、影響を受けたものの取り上げられていないグループを検索します。
• 誤った両論併記： 証拠の重み、出典の専門性、コンセンサスの水準を比較します。
• フレーミング： 見出し、リード文、情報の順序、名称の選び方、前提とされている問いを確認します。

完了基準：分析者が、関連するどの文脈を確認したか、また不足している文脈が検出されたか、検出されなかったか、あるいは不確かであるかを説明できること。

4. レポート

レポートのドラフトを生成します。

python scripts/analyze.py report --scan analysis.json --output report.md

その後、文脈調査の結果を使って、文脈に依存するセクションを記入します。レポートを手動で作成する場合は、templates/analysis-report.md を使用します。

完了基準：最終レポートに具体的な事例、バイアスシグナルのスペクトラム、「不足している情報」セクションが含まれ、そのセクションに調査結果が記入されているか、「検出されず／文脈が不十分」と記されていること。

出力形式

レポートは次の構成に従ってください。

# Media Analysis Report

## Source: [title or filename]

## Overview
- Word count: N
- Techniques detected: N
- Bias-signal spectrum: [Neutral/Slight lean/Clear lean/Partisan]
- Spectrum note: intensity of observable rhetorical and source-selection signals; not ideology or political direction.

## Techniques Detected

### 1. Loaded Language (N instances)
- "slammed" (para 3) — neutral alternative: "responded"
- "devastating" (para 7) — neutral alternative: "significant"

### 2. Source Selection (N sources)
- Official: 2, Expert: 1, Citizen: 1, Organization: 0, Unknown: 0
- [Any source-type concentration noted]

### 3. Emotional Appeals (N instances)
- Fear-based: 1
- Appeal to authority: 1

## Bias-Signal Spectrum
Neutral ──── Slight lean ──── Clear lean ──── Partisan ──── Propaganda
              ↑ here

This spectrum rates the density and intensity of observable rhetorical tools, framing choices, and source-selection signals. It does not label the outlet, author, article, or political position.

## What's Missing
[Contextual research findings: relevant context omitted, not detected, or uncertain]

## Notes
- Analysis detects techniques, not political positions
- Intensity rating reflects density of rhetorical tools, not direction of bias

バイアスシグナルのスペクトラム

スペクトラムは政治的なラベルではなく、観察可能なバイアスシグナルの強度を示す尺度として使用します。

Neutral ──── Slight lean ──── Clear lean ──── Partisan ──── Propaganda

スコアは、修辞的手法、フレーミングの選択、出典選択の傾向、その他の観察可能なシグナルの密度と強度を評価します。記事がどちらの方向に傾いているかを示すものではありません。スクリプトがシグナルとして数えるのは、中立的な文章では通常見られないものだけです。通常のジャーナリズムがスコアに加算されてはなりません。

• 誘導的な言葉の検出（種類を問わない）→ 1 シグナル；
• 単一の視点に基づく出典（出典が3件以上で、すべて同じタイプ）→ 1 シグナル。単なる出典の明記は数えません；
• 異なる感情への訴えかけのパターン → 最大2シグナル（上限を設けることで、単語リストに該当語が多数あるだけで「党派的」に達することを防ぎます）；
• 修辞疑問が2つ以上 → 1 シグナル（疑問が1つだけなら一般的です）；
• 感嘆符が1つでもある → 1 シグナル（硬派なニュース記事ではまれです）。

合計数は次のラベルに対応します。

• 0 シグナル → 中立；
• 1-2 シグナル → わずかな偏り；
• 3-4 シグナル → 明確な偏り；
• 5+ シグナル → 党派的。

「プロパガンダ」という言葉は、手法が高密度かつ連携して使われ、情報の正確性より説得が優先されていることを示す強い証拠がある、例外的な人間によるレビュー済みの事例に限って使用してください。安易に適用しないでください。

中立性に関するルール

重要なルール：

• 政治的な方向性を示すラベル（左派／右派／保守／リベラル／X支持／Y反対）を決して付けないでください。
• 立場ではなく、手法を説明してください。
• 所見は判断ではなく、観察結果として提示してください。
• レポート自体にも中立的な言葉を使い、分析対象の記事に求めることを実践してください。
• 手法が検出されなかった場合は、「検出されず」または「文脈が不十分」と記してください。捏造しないでください。
• 解釈する前に、記事の文章を引用するか、文脈調査の証拠を示してください。
• スクリプトの出力は意図の証明ではなく、シグナルとして扱ってください。

チェックリストの全容については、references/neutrality-rules.md を参照してください。

関連スキルとの連携

• Fact-checker： 記事で見つかった事実の主張や統計を検証します。Media Analyzer は手法の使用を特定しますが、真偽は判定しません。
• Source-tracker： 再現可能な分析のため、記事のURL、一次データ、文脈情報の出典、アクセス日を記録します。
• Deep-research： 省略された文脈、証拠の重み、コンセンサスの水準、より広範な出典の全体像を調査します。

よくある落とし穴

1. 手法ではなく立場にラベルを付ける。 「Xに偏っている」ではなく、「出典として示されているのはすべて当局者である」のような具体的な観察に置き換えます。
2. 強い意見とプロパガンダを混同する。 意見記事は、操作的な手法が多用されていなくても、強い主張を展開することがあります。
3. 感情的な表現をすべて操作とみなす。 人々への影響を扱う報道には、正当に感情が含まれることがあります。釣り合いが取れているか、根拠があるかを評価します。
4. 分析者自身の偏見に検出を左右させる。 同意する記事にも、同意しない記事にも、同じ基準を適用します。
5. 過剰に検出する。 誘導的な言葉が1つあるだけでは、パターンの証明にはなりません。数を数え、文脈を考慮し、誇張を避けます。
6. 正当な編集上の語り口を無視する。 特集記事、コラム、レビュー、論説記事には、一般的なニュース記事とは異なる規範があります。手法の使用を評価する前に、記事の形式を特定します。
7. 出典の数を出典の質とみなす。 同じ機関的視点からの5つの出典は、関連性のある異なる視点からの2つの出典よりも多様性に欠ける場合があります。
8. スペクトラムを政治的な方向性とみなす。 このスペクトラムが示すのは、偏りのシグナルの強さだけです。

このスキルにできないこと

• 政治的偏向の分類器ではありません。
• 真偽の判定ツールではありません。主張の検証には、ファクトチェックのワークフローを使用してください。
• 検閲ツールではありません。
• 権威あるものではありません。批判的に読むための視点の1つです。
• 省略、都合のよい情報の選択、誤った両論併記を検出する際の一次情報の調査に代わるものではありません。

検証チェックリスト

• 記事のテキストを抽出し、スキャンしました。
• 誘導的な表現の各例に、中立的な代替表現と段落の文脈が含まれています。
• 出典への言及を、機関の種類ごとに分類しました。
• 意図を推測せずに、感情への訴えかけのシグナルを報告しました。
• 都合のよい情報の選択、省略、フレーミング、誤った両論併記を、文脈を調べて確認するか、不確実として示しました。
• 報告に政治的な方向性を示すラベルが含まれていません。
• 偏りのシグナルのスペクトラムは、方向性ではなく強さを示すものとして説明されています。
• 不確実な所見や見つからなかった所見には、「検出されず」または「文脈が不十分」と記されています。