一句话总结

墨尔本大学和 CSIRO Data61 的一项综述统一了不同学科中媒体框架的定义，考察了超越主题内容的认知、语言和传播维度，并发现当前的 NLP 方法确实能够识别与框架化相关的层面，而不只是单纯传递信息，但现有的大规模自动分析仍不足以胜任该任务。

核心贡献

• 该综述统一了来自媒体研究、认知科学、语言学和传播学的框架定义与类型学，表明框架化超越了主题内容，延伸至认知、语言和传播维度。
• 它提出将两义性作为识别框架的关键标准，即同一议题或事件可以激活不同的认知框架，并认为计算框架化方法应整合语义和认知资源来检测这一特性。
• 它回顾了近期计算框架化方法，分析 NLP 系统如何表征情感、道德评价、叙事角色、隐含意义和修辞手段，并指出自动框架检测中的方法缺口和未来方向。

引言

媒体框架化通过强调某些意义和关联来塑造受众对事件的解读。计算框架检测很重要，因为它可以帮助识别新闻和政治传播中的偏见、说服和影响。

以往的 NLP 工作常聚焦于基于主题或表层的信号，并倾向于强调信息如何被传达。这留下了围绕产生竞争性解释的语义和认知机制的缺口。因此，许多模型仍然难以将真正的框架化与立场、情绪或简单主题标签区分开。

作者将 NLP、认知语言学、媒体研究和社会心理学中的框架化研究联系起来。他们将框架化划分为语义、认知和传播层面，提出主要框架类型的类型学，并认为两义性和竞争性认知框架是定义框架化的核心。

数据集

• 作者整理了计算媒体框架化和定量媒体框架化研究的学术文章综述数据集。语料库包含 1997 年至 2024 年间发表的 152 篇论文。

• 该数据集采用系统综述式收集流程构建，而非监督训练语料。作者筛选媒体框架化文献，并保留使用计算或定量方法的论文。

• 过滤并不限于简单的关键词存在。仅 19% 的入选论文在标题中未出现 “frame” 或 “framing”，仅 8% 的论文在标题和摘要中都未出现这两个术语。这支持了仅基于关键词的搜索可能遗漏相关研究的判断。

• 语言构成以英语为主，共 112 篇。论文还报告了规模较小的语言组，包括 7 篇德语论文，中文、荷兰语、意大利语、波斯语、俄语和西班牙语各 2 篇，1 篇保加利亚语论文，以及 18 项多语言研究。

• 发表平台构成显示出强烈的 NLP 和计算语言学倾向。77 篇论文，占 52%，出现在计算语言学和 NLP 会议论文集或工作坊中。另有 26 篇论文，占 18%，出现在其他机器学习和计算机科学发表平台。语料库还包括约 12 篇社会科学论文、11 篇媒体研究论文、6 篇政治学期刊论文，以及其他学科的研究。

• 论文将数据集组织为框架类型子集，但一项研究可以属于多个子集，因此数量总和不是 152。强调框架是最大的类别，有 106 篇论文，占 72%。通用框架出现在 48 项研究中，其中 31 项依赖 Policy Frames Codebook、Media Frames Corpus 或相关衍生资源，通常使用 15 个通用框架。

• 其他报告的子集包括 54 项议题特定框架研究、4 项等价框架研究、26 项用词与标签研究，以及 25 项叙事框架研究。一个包含 11 篇论文的较小子集覆盖多种框架类型。

• 从数据集构建的元数据包括发表年份、标题和摘要中的关键词存在情况、语言、发表平台类型、框架类型，以及研究是否使用基于理论的编码本、类主题框架代理、叙事类别或临时构建的框架。

• 论文将数据集用于描述性分析，而不是模型训练。它用于检查媒体框架化研究在不同发表平台、语言和框架类型中的分布，并评估覆盖缺口，例如等价框架使用不足，以及强调框架严重依赖基于主题的代理。

• 未描述训练集、验证集、测试集或混合比例。该数据集作为框架方法系统综述和元分析的语料库。

方法

作者利用诊断性综述流程来刻画媒体框架的计算方法。该工作流被组织为一系列文献整理、标注、分类和覆盖度分析模块。第一个模块设计系统化检索策略，旨在减少关键词偏差。作者不依赖仅包含 “frame” 或 “framing” 的标题或摘要，而是在更广泛的概念领域筛选相关文献，包括语义框架、认知框架、框架效应，以及政治传播中的框架化。这一方法受到如下观察的驱动：许多相关的计算框架化研究在可见元数据中没有使用框架化术语。

第二个模块构建已发表工作的精选语料库，并对每篇论文进行结构化标注。核心设计选择是根据理论取向对研究进行分类，而不只是根据任务或数据集。当论文使用理论驱动的特征、编码本或构念来预测框架化，或以理论上连贯的方式分析框架效应时，该论文被视为有理论依据。当论文比较不同主体、时间段或来源之间的框架化，即使没有明确将比较锚定于理论，也被视为框架分析。当论文既不使用框架特有的理论线索，也不将框架分析应用于现实世界话语，通常改为进行主题或立场分析时，被视为无框架假设。这形成了一个简单分类空间：

$y_p \in \{\text{grounded}, \text{framing analysis}, \text{agnostic}\}$yp​∈{grounded,framing analysis,agnostic}.

第三个模块从方法论视角分析覆盖情况。作者考察计算工作是否反映语言、认知、心理和政治层面的框架理论。他们发现，NLP 研究与语义和认知资源（例如基于框架的词汇知识）有很强的联系，但这些联系尚未充分建立；同时，相对较少的工作建模将语义或认知框架转化为媒体框架的语言手段。类似地，认知图式或叙事脚本理念存在于相关 NLP 任务中，但很少被用作由框架化引发联想变化的代理指标。心理层面方法出现在框架效应通过读者反应或外部行为代理指标衡量时；政治层面方法出现在框架被建模为由情境、行动者或扩散过程塑造的结果时。

作者随后使用时间维度的发表平台层面分析，检验 NLP 研究是否随着时间推移变得更具理论导向。他们考察计算语言学、机器学习，以及相邻计算机科学发表平台中的研究。该分析将有理论依据的工作与框架分析和无框架假设工作区分开，使综述能够区分方法成熟度和单纯发表数量。参见下方框架图，其中显示了 NLP 发表平台随时间变化的趋势。

视觉模式显示对框架化的兴趣不断增长，但也存在持续失衡。尽管有理论依据的研究在较晚年份增加，NLP 论文中很大一部分仍然只是框架分析或无框架假设。这支持了作者的观点，即该领域缺乏统一的框架计算解释。许多论文仍把框架当作输出类别或数据集标签，而不是建模框架产生、转化和解释的理论机制。

最后一个模块比较不同学科发表平台中的这些模式。作者将发表平台分为宽泛类别，包括媒体研究、NLP、其他计算机科学或机器学习发表平台、政治科学和社会科学。然后他们测量每个平台类型中有理论依据、框架分析和无框架假设论文的相对份额。该比较用于评估计算平台与传统框架分析平台是否以不同方式采纳框架理论。如图所示，有理论依据的工作在各学科中的分布不均。

跨平台分析表明，传统框架分析平台往往比计算平台具有更强的理论依据。相比之下，NLP 占比更高的平台中，有更大比例的论文将框架化弱操作化，表现为下游标签集或议题特定分类问题。这一方法诊断支撑了作者随后关于框架类型的类型学。他们认为，NLP 系统应区分宽泛的强调框架、议题特定框架、语义或认知框架，以及框架效应，而不是将所有这些都压缩为单一检测任务。因此，该综述设计不仅用于回顾现有方法，也用于揭示当前计算媒体框架化研究结构中的架构缺口。