media-analyzer

媒体分析器

概述

媒体分析器是一套侧重技巧的工作流，用于以批判但中立的视角阅读新闻文章、评论文章、新闻稿和其他媒体内容。媒体文本往往会运用修辞手法来塑造认知：带有强烈情绪色彩的动词、选择性统计数据、消息来源的组合、框架隐喻、遗漏、情感诉求，以及对证据的不成比例呈现。这项技能会系统地识别这些可观察到的技巧，但不会判定哪种政治立场才正确。

当目标是理解文本如何引导解读时，请使用这项技能。不要用它来将媒体机构、作者或文章标记为左翼、右翼、保守派、自由派、支持 X 或反对 Y。输出是一份结构化分析报告，展示技巧的使用情况，并将结论留给读者。

核心原则：识别技巧，而非立场

核心规则是：识别技巧，而非立场。

绝不要将消息来源标记为“左翼”“右翼”“保守派”“自由派”或“偏向 X”。相反，应识别具体的修辞工具：

• 带有倾向性的词语及其中性替代词；
• 引用或遗漏的消息来源类型；
• 引用的统计数据和未引用但相关的数据；
• 隐喻、命名方式、预设或带有倾向性的问题等框架手法；
• 情感诉求模式；
• 证据权重不相等的立场之间的虚假平衡。

有效的发现是：“文章在前四段中使用了三个高强度动词。”无效的发现是：“文章对该政策有偏见。”分析应保持可观察、具体，并在政治方向上保持中立。

快速开始

在此技能目录中：

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

保存扫描输出并生成报告：

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

查看带有倾向性语言词典：

python scripts/analyze.py wordlist --format table

完成标准：报告列出检测到的技巧信号，指出仍需进行背景研究的部分，将偏差信号范围解释为仅表示强度，并避免使用政治方向标签。

7 类技巧

1. 带有倾向性的语言

定义： 用带有强烈情绪色彩的动词、形容词、名词或修饰语替代中性措辞，引导读者的反应。

检测标准： 将用词与中性替代词进行比较。思考是否可以用情绪色彩较弱的措辞报道同一事实事件。

示例：

• “猛烈抨击”与“回应”；
• “灾难性的”与“重大的”；
• “痛批”与“批评”。

脚本支持： scripts/analyze.py 会根据内置词表统计带有倾向性的词语，该词表包含攻击性动词、情绪化形容词、贬斥性词语和框架词。每个检测到的实例都会附带段落上下文和中性替代词。

2. 选择性取材

定义： 仅引用支持某个论点的数据、示例或时间段，同时遗漏现成可得的限定性或冲突性数据。

检测标准： 将引用的统计数据与该主题的现有数据进行比较。检查时间范围、基准、修订、不确定性和有代表性的对照组。

示例：

• 引用某个月的销售增长，却遗漏全年下滑；
• 突出某所学校的成绩，却不与整个学区进行比较；
• 报道单个调查问题，却遗漏完整的调查背景。

脚本支持： 该脚本不会核实是否存在选择性取材。可用它扫描文章，然后使用网页搜索工具和网页内容提取工具查找原始数据，并将现有数据与文中引用的数据进行比较。

3. 来源选择偏差

定义： 当话题涉及某一机构类型或视角之外的相关观点时，却只引用或转述来自该类型或视角的来源。

检测标准： 按机构类型统计并分类被引用或标明出处的来源：官方、专家、公众、组织或未知。然后评估来源构成是否符合话题。

示例：

• 一篇交通文章只引用交通机构官员，没有引用乘客或独立规划人员；
• 一篇职场文章只引用管理层，没有引用员工或外部劳工专家；
• 一篇产品安全报道只引用制造商，没有引用监管机构或客户。

脚本支持： scripts/analyze.py 会提取归因模式，例如“据 X 称”“X 表示”“X 说”以及引号内陈述后附带的出处。它会根据关键词对来源提及进行分类。

4. 框定

定义： 通过命名、隐喻、顺序、标题措辞、预设或提问结构来引导读者解读信息。

检测标准： 识别隐喻、预设、带有倾向性的问题和命名选择等框定手法。

示例：

• “优化规模”将裁员框定为纠正规模错误；
• “游戏产业”与“赌博产业”用不同的命名框架描述相同的企业；
• “精简流程”预设现有流程效率低下；
• “这项计划为何失败？”在证明计划失败之前就预设了失败。

脚本支持： 脚本可以统计可能体现框定手法的问题和带有倾向性的词语。框定判断需要分析人员或 LLM 审阅。

5. 遗漏

定义： 省略相关背景信息，导致读者对文章的理解发生变化。

检测标准： 检查是否缺少相关主题、基准、时间段、限定条件或一手来源背景。

示例：

• 只列出事件数量，却没有提供基准发生率；
• 只列出预算变化，却没有根据通货膨胀调整背景；
• 只列出研究结果，却没有提供样本量或局限性。

脚本支持： 脚本无法判断缺少了哪些信息。请使用网络搜索工具，查找可用背景、一手来源、时间线和限定条件。

6. 情绪诉求

定义： 诉诸恐惧、愤怒、怜悯、怒火、紧迫感或权威，可能影响读者的反应，或取代证据。

检测标准： 识别情绪操纵模式，并将其强度与所提供的证据进行比较。

示例：

• 用“想想孩子们”来终结辩论；
• 在没有说明规模或可能性的情况下，使用“灾难”等煽动恐惧的措辞；
• 反复使用丑闻相关词语来煽动愤怒，却没有提供与之相称的证据。

脚本支持： scripts/analyze.py 会检测恐惧词语、愤怒词语、怜悯诉求、诉诸权威的表达和紧迫感措辞。

7. 虚假平衡

定义： 将证据力度不相等的观点呈现为同等有力。

检测标准： 比较对多数和少数观点的着墨程度，包括来源的专业水平、证据质量和共识程度。

示例： 如果 97% 的相关科学家支持 X，而 3% 支持 Y，文章却给予双方同等篇幅，也没有解释证据上的差距。

脚本支持： 来源数量可以提示篇幅分配模式，但分析虚假平衡需要结合背景研究来评估证据力度。

四阶段流程

1. 提取

将文章文本提取为 Markdown 或纯文本。识别标题、作者、发表日期、来源 URL（如有）、引用的来源、直接引语和可见统计数据。

完成标准：文章文本已保存在本地，并已记录来源元数据（如有）。

2. 扫描

运行基于规则的分析：

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

扫描会报告：

• 已加载的语言数量及其实例；
• 来源提及提取结果及来源类型计数；
• 情绪诉求模式；
• 段落数、平均句长、疑问句和感叹号；
• 技巧计数强度分数。

完成标准：analysis.json 存在，且包含文章的词数、技巧计数和偏差信号谱分数。

3. 补充背景

针对脚本无法了解的内容，开展背景研究：

• 选择性取材： 使用网络搜索查找一手数据集、较长时间序列、修订记录和独立摘要。
• 遗漏： 搜索相关基线、注意事项、事件历史以及缺失的受影响群体。
• 虚假平衡： 比较证据权重、来源专业度和共识程度。
• 框架： 审阅标题、导语、内容顺序、命名选择和预设问题。

完成标准：分析人员能够说明核查了哪些相关背景，以及是否发现、未发现或无法确定存在背景缺失。

4. 报告

生成报告草稿：

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

然后根据背景研究填写依赖背景信息的部分。手动撰写报告时，请使用 templates/analysis-report.md。

完成标准：最终报告包含具体实例、偏差信号谱，以及根据研究填写内容或标记为“未检测到／背景信息不足”的“缺失内容”部分。

输出格式

报告应遵循以下结构：

# 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

偏差信号谱

将该谱用作可观察偏差信号的强度刻度，而非政治标签：

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

该分数评估修辞技巧、框架选择、来源选择模式及其他可观察信号的密度和强度。它不表示文章倾向于哪个方向。脚本只会统计中性稿件中不常见的信号——常规新闻报道不得因此得分：

• 命中任何带倾向性措辞 → 1 个信号；
• 单一视角的来源（3 个或更多来源，且全部属于同一类型）→ 1 个信号——单纯注明来源不计入；
• 不同的情绪诉求模式 → 最多 2 个信号（设有上限，因此仅靠词表堆积无法达到“党派化”）；
• 2 个或更多修辞性问题 → 1 个信号（单个问题很常见）；
• 出现任何感叹号 → 1 个信号（严肃新闻稿中很少见）。

信号总数对应以下标签：

• 0 个信号 → 中性；
• 1-2 个信号 → 轻微倾向；
• 3-4 个信号 → 明显倾向；
• 5+ 个信号 → 党派化。

“宣传”一词仅用于经过人工审查的特殊案例：这类案例中，技巧使用密集且相互配合，并有强有力的证据表明信息准确性从属于说服目的。不要随意使用该词。

中立性规则

关键规则：

• 切勿标注政治方向：左／右、保守／自由、支持 X／反对 Y。
• 描述技巧，而非立场。
• 将发现作为观察结果呈现，而非评判。
• 报告本身应使用中性措辞；分析文章时也应遵循同一标准。
• 若未检测到某项技巧，请写“未检测到”或“背景信息不足”；不要编造。
• 在进行解读前，先引用文章内容或注明背景证据。
• 将脚本输出视为信号，而非意图证明。

完整检查清单请参阅 references/neutrality-rules.md。

与相关技能的集成

• 事实核查器： 核实文章中的事实主张和统计数据。Media Analyzer 用于识别技巧使用情况；它不判定内容真伪。
• 来源追踪器： 记录文章 URL、一手数据、背景来源和访问日期，以便重复分析。
• 深入研究： 调查被遗漏的背景、证据权重、共识程度及更广泛的来源版图。

常见误区

1. 给立场贴标签，而不是识别技巧。 将“倾向于 X”改为具体观察，例如“所有被引用的消息来源都是官员”。
2. 混淆强烈观点与宣传。 评论文章可以措辞强烈，同时不使用高密度的操纵技巧。
3. 把所有情绪化语言都视为操纵。 关注人类影响的报道可以合理地包含情绪；应评估其是否适度，以及是否有证据支持。
4. 让分析者自身的偏见左右检测。 对你认同和不认同的文章采用相同标准。
5. 过度检测。 单个带有倾向性的词语不能证明存在某种模式。应统计其出现次数并结合语境分析，避免夸大。
6. 忽略合理的编辑风格。 特写、专栏、评论和倡导类文章与单纯的新闻报道有不同规范。评估技巧的使用情况前，先判断文章形式。
7. 把来源数量等同于来源质量。 来自同一机构视角的 5 个来源，可能不如来自两个不同相关视角的来源多元。
8. 把光谱当作政治方向。 该光谱仅表示偏差信号的强度。

此技能不是什么

• 不是政治偏见分类器。
• 不是真假检测器；验证主张请使用事实核查工作流。
• 不是审查工具。
• 并非权威结论；它只是批判性阅读的一种视角。
• 在检测遗漏、选择性呈现或虚假平衡时，不能替代对一手来源的研究。

验证清单

• 已提取并扫描文章文本。
• 对带有倾向性语言的实例，均提供了中性替代表述及段落语境。
• 已按机构类型对来源提及情况进行分类。
• 已报告情绪诉求信号，且未假定其意图。
• 已结合语境研究检查选择性呈现、遗漏、框架设定和虚假平衡，或将其标记为不确定。
• 报告中不含政治方向标签。
• 已说明偏差信号光谱表示强度，而非方向。
• 每项不确定或未发现的结果均标记为“未检测到”或“语境不足”。