توسعه ي يك مدل شناختي در ارزيابي عوامل اعتماد مخاطب به رسانه ي خبري با استفاده از ماشين يادگير عاطفي مغز

هدف: در اين مطالعه تلاش شد تا با استفاده از يك مدل شناختي مبتني بر هيجان، با عنوان ماشين يادگير عاطفي مغز و همچنين عوامل كسب اعتماد مخاطب به خبر، ماشيني طراحي شود كه خروجي آن سطحي از اعتماد به خبر را پيش بيني كند.روش: در اين پژوهش، عوامل اعتمادساز خبر، از طريق پاسخ 110 نفر از خبرگان خبر رسانه ي ملي به پرسش نامه، ارزش گذاري شد. بر اين اساس، با استفاده از ماشين يادگير عاطفي مغز (BEL)، يك مدل شناختي طراحي و اجرا شد. براي تعيين اختلاف نتايج آزمايش ماشين با نتايج خبرگان ، دو آزمون "من ويتني" و "كلوموگروف-اسميرنوف" و براي مدل سازي مساله، نرم افزار متلب به كار رفت.يافته ها: نتايج پژوهش نشان داد كه ضريب همبستگي شش مولفه ي " بي طرفي و بي غرضي"، " سانسور"، "صحت"، "جامعيت"، " موثق بودن منبع" و "جذابيت در ارايه ي خبر" با اعتماد مخاطب به خبر بسيار قوي است. نتايج داده هاي آموزشي ماشين نيز حاكي از آن بود كه اين ماشين با خطاي كمتر از 002/0 آموزش داده شده و خروجي داده هاي تست نيز نشان داد كه خروجي مدل شناختي طراحي شده تفاوتي با پرسش نامه ي خبرگان ندارد و ماشين بادقت مناسب طراحي شده است.نتيجه گيري: با توجه به اهميت سنجش اعتماد مخاطب به اخبار، با استفاده از فن آوري اطلاعات و يك مدل شناختي مي توان ابزاري ساخت تا قادر باشد قبل از پخش خبر، موضوع را از لحاظ سطح اعتماد مخاطبان ارزيابي و اعتماد آنها را به خبر پيش بيني كند.

Introduction: Audience trust is considered as a main asset for the news media, hence assessment of the influence of audience trust in the news is of great importance. An ultimate goal is to design a machine capable of anticipating the state of trust in the news, based on an emotional cognitive model, known as brain emotional learning (BEL) machine, and also determining the factors contributing to audience trust in the news. Methods: In this study, factors contributing to audience trust were evaluated by means of a survey conducted among 110 news experts in IRIB. Each record comprised a set of features in six categories which were in fact the six factors of audience trust in this study. Accordingly, a cognitive model was designed and implemented using the brain emotional learning machine. Furthermore, Whitney and Kolmlgorov-smirnov statistical tests were employed to analyze the difference between the dataset from experts and the test outputs of the machine. The task was simulated using the MATLAB software. Results: Findings demonstrated that the six components of “impartiality and objectivity”, “censorship”, “integrity”, “accuracy”, “source credibility” and “broadcast attractiveness” had a very strong correlation coefficient with the audience trust in the news. The results of training data showed an error of less than 0.002 and output of test data showed insignificant difference between the results of the designed cognitive model and the results of the survey, suggesting the proper performance of the machine. Conclusion: Taking the significance of audience trust assessment in the news , information technology can help design a machine to predict the audience trust in the news before broadcast. Keywords: Brain Emotion Learning, Trust, Emotion, News