Klyptra, Almanca haber makalelerini araştırmayla desteklenen altı yanlılık boyutu üzerinden analiz eder — birebir kanıtlar, çok modelli bir topluluk ve eksiksiz denetim izleriyle. Sağ-sol yargısı yok. Yalnızca dil örüntüleri.
Ya da örnek bir analizi inceleÖrnek analiz · 2027 bütçe rakamları · 30 Nisan 2026
Sorun
Medya yanlılığı sistematik biçimde incelenebilir — ama yalnızca yöntemin kendisi şeffaf ve doğrulanabilir olduğunda. Klyptra tam da burada devreye giriyor.
2015'ten bu yana en düşük değer — Almanya'da ankete başlandığından beri güven sürekli düşüyor. İnsanların kendi seçtikleri kaynaklara güveni %53 düzeyinde.
Reuters Institute Digital News Report 2024 — Almanya bulguları
Dil modelleri metni kanıt sunmadan üretir. Yanlılığı ölçmek doğrulanabilir ifadeler gerektirir — yeni kara kutu yargıları değil.
Klyptra tasarım ilkesi: birebir kanıt ve denetim izi
Mevcut araçlar (AllSides, Ad Fontes Media) ABD odaklı. Almanca kaynaklar, Almanca ve Almanca kamusal tartışma için şimdiye dek sistematik bir kapsama yok.
Pazar araştırması, Nisan 2026 itibarıyla
Klyptra nasıl çalışır
Her adım izlenebilir biçimde belgelenir. Her puan, özgün metindeki tek tek kanıt noktasına kadar geri izlenebilir.
Makale metnini doğrudan gönderirsiniz — yapıştırarak ya da PDF yükleyerek, isteğe bağlı başlık ve kaynakla. Klyptra arkasındaki yayın organını değil, tam olarak bu metni analiz eder.
Üç bağımsız dil modelinden — üç ayrı pipeline'dan (OpenAI/ABD, Mistral/AB, DeepSeek/Çin) — oluşan bir topluluk her metni altı boyut üzerinden puanlar; birebir kanıtlarla 0–10 ölçeğinde.
Her analiz altı boyutu bir puanla, her değerlendirme için birebir bir alıntıyla ve özgün metinde işaretlemelerle sunar — paylaşılabilir bir kalıcı bağlantı olarak.
Altı boyut
Klyptra hiçbir makaleyi tek bir sayıya indirgemez. Altı boyut Medya Yanlılığı Taksonomisi'ni (Spinde ve diğ. 2023) işlevselleştirir ve tek tek değerlendirilebilir — bir makale çerçevelemede zayıf, kaynak çeşitliliğinde güçlü olabilir.
Hangi bakış açısı norm sayılıyor?
Girişi kimin bakışı belirliyor, kiminki tepki olarak ele alınıyor? Kim adıyla anılıyor, kim anılmadan kalıyor?
Örnek
„Polis kampı boşalttı“ vs. „Eylemciler çıkarıldı“ — aynı olay, farklı özneler.
Hangi sözcükler değer yargısı taşıyor?
Yüklü dil, küçültmeler, tırmandırma sözcükleri. Birebir kayıt — Klyptra söz konusu sözcükleri olduğu gibi alıntılar.
Örnek
„yumuşatmak“ vs. „esnekleştirmek“ — ikisi de aynı şeyi anlatır.
Kaç ses söz alıyor?
Doğrudan alıntılanan kaynak sayısı, siyasi konumlanmanın çeşitliliği, birincil ve ikincil kaynak oranı.
Örnek
Üç hükümet, sıfır muhalefet sesi içeren bir makale dengeli değildir.
Gözlem ile yargı ayrılıyor mu?
Metin yorumu açıkça işaretliyor mu? Spekülasyon olgu gibi sunuluyor mu?
Örnek
„Reform başarısız olacak.“ — bir öngörü, olgu değil.
Ne dışarıda bırakılıyor?
Hangi ilgili arka plan, karşı görüş veya sonraki gelişmeler anılmadan kalıyor? Açıkça tek yanlı olgu seçimi ve bağlamı çarpıtan boşluklar.
Örnek
Bağlam boşlukları çoğu zaman en belirgin yanlılık göstergeleridir.
Ne kadar duygusal yükleniyor?
Sansasyonel dil, ünlem işaretleri, öfke işaretleyicileri. Düşük değerler yoğun duygusallaştırmaya işaret eder.
Örnek
„Şok!“, „Skandal!“ — tipik bulvar gazetesi işaretleri.
Bilimsel temel
Klyptra kendi yanlılık kuramını icat etmez. Metodoloji ve ölçek, yayımlanmış, hakem denetimli araştırmalara dayanır — ve yerleşik kıyaslamalara karşı değerlendirilir.
Spinde, T., et al. — „Media Bias Taxonomy: A Systematic Literature Review of Computational Approaches to Identifying and Mitigating Media Bias.“ ACM Computing Surveys (2023), arXiv:2312.16148.
Altı yanlılık boyutunun kuramsal çerçevesi. Klyptra'nın ölçeği taksonomiyi işlevselleştirir.
Spinde, T., Plank, M., Krieger, J.-D., Ruas, T., Gipp, B., Aizawa, A. — „Neural Media Bias Detection Using Distant Supervision With BABE — Bias Annotations By Experts.“ Findings of EMNLP 2021.
Uzmanlarca etiketlenmiş yanlılık etiketleri içeren eğitim ve değerlendirme veri kümesi (3.700 cümle). Klyptra'nın istemlerindeki örnekleri kalibre eder.
Wessel, M., Horych, T., Ruas, T., Aizawa, A., Gipp, B., Spinde, T. — „Introducing MBIB — the first Media Bias Identification Benchmark Task and Dataset Collection.“ Proceedings of SIGIR 2023.
Yanlılık tespit sistemleri arasında karşılaştırılabilirlik. Klyptra, MBIB alt görevlerindeki başarımı belgeler.
Horych, T., Mandl, C., Ruas, T., Greiner-Petter, A., Gipp, B., Aizawa, A., Spinde, T. — „The Promises and Pitfalls of LLM Annotations in Dataset Labeling: a Case Study on Media Bias Detection.“ Findings of NAACL 2025.
LLM tabanlı etiketlemelerin ele alınması için metodolojik temel — Klyptra'nın topluluk kurulumu bu çalışmada belgelenen zayıflıkları doğrudan ele alır.
Kimler için
Klyptra herkes için aynı ölçüde yararlı değildir — ama bu grupların her biri için açıkça tanımlı bir sorunu çözer.
Haber okuyan herkes, dilbilim eğitimi almak zorunda kalmadan, haberin hangi çerçeveyi taşıdığını bilmeli.
Yayın kurulları, yayımlamadan önce tek tek metinleri çerçeveleme ve denge açısından inceleyebilir.
Yinelenebilir metodoloji, belgelenmiş model sürümleri ve ampirik medya araştırması için JSON dışa aktarımları.
Beta erişimi
E-posta adresinizle kaydolun. Her talebi elle inceliyor ve onaylandığında size kişisel bir erişim anahtarı gönderiyoruz — önce araştırma ve haber merkezleri, sonra bireyler.
Spam yok. Paylaşım yok. E-posta yalnızca beta talebinizi işlemek için kullanılır ve istek üzerine silinir.