Metodoloji
Bu sayfa her yöntemsel kararı açıkça belgeler. Her katman araştırmaya dayanır, her bulgu birebir kanıt üzerinden izlenebilir — özellikle sonuçlarımıza başta şüpheyle yaklaşan okurlar için.
Klyptra neyi ölçer?
Haberlerdeki dil ve çerçevelemeyi — 6 boyut ve 27 alt örüntü üzerinden.
↓ Bölümü oku
Değerlere kim karar verir?
Paralel çalışan üç dil modeli, her bulgu için birebir kanıtla.
↓ Bölümü oku
Değerler ne kadar güvenilir?
Üç model bağımsız değerlendirir; dağılım ve güven her analizde açıkça gösterilir.
↓ Bölümü oku
Ölçek
Altı boyut ve 0–10 ölçeği, Klyptra'nın Media Bias Taxonomy'yi (Spinde ve diğ. 2023) işlevselleştirmesidir — ikili olarak (yanlı/tarafsız) etiketleyen BABE'nin doğrudan bir parçası değildir. Ölçek, BABE türü uzman ölçütlerine göre kalibre edilmiştir. Beş bant eşit genişlikte değildir: ajans haberciliği (dpa, AFP, Reuters) tipik olarak 8–9 alır — 10 değeri, hiçbir anlatısal seçim içermeyen saf olgu listesi olurdu ve pratikte ulaşılamaz. Aşağıya doğru ise daha fazla yer vardır: üç puan genişliğindeki propaganda bandı (0–2.9) en büyüğüdür.
Bu tablodaki etiketler, çözümleyicinin JSON çıktısında ve kalıcı bağlantı arayüzünde tam olarak ürettiği değerlerdir (Almanca) — aradaki hiçbir arayüz eşlemesi yoktur.
Altı boyut — derinlemesine
Hangi bakış açısı anlatısal norm ilan edilir? Kim özne, kim nesne?
İşlevselleştirme
Hangi sözcükler değerlendirmeyi işaretlemeden taşır? Dar anlamda yüklü dil.
İşlevselleştirme
Doğrudan kaç ses alıntılanır, siyasi yelpaze ne kadar geniştir?
İşlevselleştirme
Kitapta (Spinde 2025, Böl. 2) kaynak/seçim yanlılığı, kesin olarak makaleler arası ölçülen bir raporlama düzeyi yapısıdır. Klyptra bunu tek metin üzerinde yaklaşık olarak hesaplar — tam yayın-organları-arası analiz Tier 2'dedir (puana girmez).
Değerlendirme gözlemden dilsel olarak ayrılmış mı — yoksa olgu gibi mi satılıyor?
İşlevselleştirme
Kendi başına bir boyut, çünkü Almanca haber dili değerlendirme ile gözlemi sözdizimsel düzeyde özellikle sıkı iç içe geçirir (adlaştırma, kip fiilleri, dilek kipi I/II) — İngilizce BABE etiketlemesi bunu yalnızca dolaylı kapsar.
Ne dışarıda bırakılıyor? Hangi ilgili arka plan veya karşı duruşlar eksik?
İşlevselleştirme
Atlama/spin yanlılığı kitapta kısmen raporlama düzeyindedir (birkaç makale boyunca neyin eksik olduğu). Klyptra tek metinde fark edilen boşlukları değerlendirir; makaleler arası düzey Tier 2'dir.
Ne kadar güçlü duygusal yükleme var? Sansasyonel ya da öfke dili mi?
İşlevselleştirme
27 alt kategori
Altı boyut üst düzey eksenlerdir. Bunların altında Klyptra, BiasScanner taksonomisini (Menzner & Leidner 2024) izleyen 27 özgül yanlılık örüntüsü tutar. Makale başına 0–N örüntü tespit edilir — her biri birebir kanıt, metindeki konum ve bir şiddet değerlendirmesiyle.
Alt kategoriler niteliksel işaretlerdir, sayısal alt puanlar değil. “Bütünlük” gibi bir üst boyut düşük değerlendirilirse, alt katman bulguyu hangi somut örüntünün taşıdığını gösterir — ör. Cherry-Picking ya da Whataboutism.
Sözlüksel düzey — değerlendirmeyi böyle işaretlemeden değerlendiren sözcükler.
ÖrnekBir “göçmen” tutarlı biçimde “istilacı” olarak adlandırılır.
ÖrnekRutin sözcük olarak “kâbus senaryosu”, “şok teşhis”, “felaket havası”.
ÖrnekGruplar hakkında genelleme (“tipik …-göçmeni”), gereksizken kökene değinme.
ÖrnekAynı tür eylem için bir parti adına “skandal girişim”, diğerine “cesur inisiyatif”.
Anlatısal kurgular — tek tek sözcüklerden bağımsız olarak bir konunun nasıl çerçevelendiği.
Örnek“Sol, her göçmene anında bir ev verilsin istiyor.” Karşı görüşün karikatürü saldırıya uğrar.
Örnek“Ya vergileri düşürürüz ya da ülke çöker.” Birçok seçenek varken iki seçenek dayatılır.
ÖrnekGevşek bir bağ taşıyan güncel bir siyasi tartışma için “tıpkı 1933'teki gibi …”.
Örnek“Başbakan suçlamalar karşısında neden susuyor?” — suçlamalar kendisi kanıtlanmamışken.
Örnek“%5 büyüme bekleniyordu, şimdi %8 oldu — demek ki başarısızlık.” Ölçüt sonuçtan sonra değiştirilir.
ÖrnekSürekli “biz Almanlar” ile “onlar” — toplu suç ya da erdem ataması.
Kaynak niteliği — kimin dinlendiği, nasıl alıntılandığı, seslerin sınıflandırılabilir olup olmadığı.
ÖrnekYalnızca bir partinin basın bürosu alıntılanır; diğer taraf hiç ya da yalnızca dolaylı aktarılır.
ÖrnekBir lobici, çıkarları belirtilmeden “bağımsız uzman” olarak tanıtılır.
ÖrnekYazının merkezi savını “çevreler bildiriyor …”, “kaynaklara göre …” taşır.
Dilsel disiplin — değerlendirmenin değerlendirme olarak işaretlenip işaretlenmediği yoksa olgu gibi satıldığı.
Örnek“Hükümetin felaket politikası …” — haber kipinde değer yüklü bir sıfat.
Örnek“Bu, kuşkusuz felaketle bitecek.” Dilek kipi olmadan, kaynak olmadan tahmin.
Örnek“Milyonlar etkileniyor” — kanıt, kaynak ya da yöntem olmadan bir sayı.
Örnek“Onlar yalnızca iktidarı umursuyor.” Saik atfının olgu ifadesi olarak sunulması.
Örnek“Yasa dışı çünkü yasayı çiğniyor.” Gerekçe iddiayı tekrarlar.
Eksik olan — anılmayan ilgili bağlam, karşı argümanlar, kanıtlar.
ÖrnekBir çalışma alıntılanır; yöntemsel olarak benzer üç çalışma ters sonuçla anılmaz.
ÖrnekBir eğilim bulgusunu “Hamburg'dan M. Hanım diyor ki …” taşır; istatistiksel veri eksiktir.
ÖrnekAna suçlamadan başka aktörlerin davranışına sürekli yön değiştirme.
Örnekİklim bilimcileri ile iklim inkârcıları — kanıt temeli asimetrik olsa da — eşdeğer sesler olarak sunulur.
Duygusal yükleme — metnin ne kadar güçlü ve hangi yönde duygusal renklendiği.
Örnek“Beceriksiz bakan …” — argüman çürütülmek yerine kişiye saldırılır.
Örnek“X yönettiğinden beri Y düştü — demek ki suçlu X.” Mekanizma olmadan korelasyonun nedensellik sayılması.
Örnek“Bütün siyasetçiler yalan söyler”, yekpare bir aktör olarak “medya”.
ÖrnekMesafesiz bir ürün haberi; editöryel içeriğin reklamdan ayrılmaması.
ÖrnekOlgu seçimi, sözcük seçimi ve kaynaklar boyunca tutarlı bir kamp eğilimi.
Her alt bulgu, üst düzey analizle aynı birebir kapısından geçer: özgün metinde doğrulanabilir bir alıntısı olmayan bulgular elenir. Bir analizin JSON çıktısında bu katman sub_categories[] olarak parent_dimension, verbatim_quote, char_offset ve bias_strength ile görünür.
Aktör analizi — PFA-light
Kişi Odaklı Çerçeveleme Analizi (Felix Hamborg 2023), makale başına anılan aktörleri çıkarır ve onlardan nasıl söz edildiğini betimler. Bu, herhangi bütüncül bir puandan daha somuttur — ve aktörler arasındaki sistematik asimetrileri görünür kılar.
Tespit edilen her kişi (siyasetçi, bilim insanı, yurttaş, …) dört alan alır:
mentions_count
Aktörün ne sıklıkta göründüğü — tüm adlandırmalar boyunca (bkz. Eş gönderim).
sentiment_score
Aktöre yönelik birleştirilmiş ton, −1 (olumsuz) ile +1 (olumlu) arasında bir ölçekte.
framing_devices
Aktör başına en fazla beş yinelenen üslup aracı — ör. “suç yükleme”, “kahraman anlatısı”, “mağdur sahnelemesi”.
representative_quotes
Çerçevelemeyi taşıyan üç ila beş birebir alıntı — birebir kapısı, her alıntının metinde 1:1 göründüğünü güvence altına alır.
Tek tek aktörlerden bir dağılım gözlemi hesaplanır — makalenin kişileri dilsel olarak karşılaştırılabilir biçimde ele alıp almadığı.
sentiment_disparity
Makaledeki en olumlu ve en olumsuz aktör duygusu arasındaki fark — mentions_count ≥ 2 olan tüm aktörler üzerinden hesaplanır.
disparity = max(sentiments) − min(sentiments)
balance_assessment
Farkın niteliksel sınıflandırması: balanced / slightly_asymmetric / strongly_asymmetric. Yeterli anılma sayısına sahip 2'den az aktör varsa, alan bir değer uydurmak yerine not_applicable döndürür.
Modellerden birleştirme
cross_person_analysis dil modelinden alınmaz, süzülmüş aktör verisinden belirlenimci biçimde yeniden hesaplanır. Bu, fark ölçütünün — model içsel olarak farklı özetlese bile — bildirilen duygu değerleriyle her zaman tutarlı kalmasını sağlar.
Eş gönderim belgeleme
Siyasi metinler aynı varlığa birden çok yolla gönderme yapar — adla, rolle, zamirle. Klyptra bu çapraz göndermeleri açıkça belgeler; böylece anılma sayıları ve aktör duygusu salt eş anlamlılıkla çarpıtılmaz.
Makale başına bir coreference_documentation.entities[] listesi bildirilir. Her varlığın bir canonical_name'i ve metinde bulunan tüm all_mentions[] listesi vardır.
mention_count ardından — dil modelinden alınmadan — metindeki tüm anılmaların örtüşmeyen alt dizi eşleşmelerinin toplamı olarak belirlenimci biçimde yeniden hesaplanır.
Ukrayna politikasına ilişkin bir haberde:
canonical_name
Volodimir Zelenski
all_mentions
mention_count
7
Bu çözümleme olmadan aktör üç farklı kovaya düşerdi — ve PFA katmanındaki duygu birleştirmesi çarpıtılırdı.
İşlem hattı
Her adım bağımsız olarak test edilebilir ve günlüğe kaydedilir. Bir sonucu sorgulayan herkes, zinciri metindeki tek tek kanıta kadar geri izleyebilir.
Gönderilen metin
Denetlenecek makale metni doğrudan gönderilir (yapıştırma ya da dosya) — isteğe bağlı olarak bir başlık ve kaynak etiketiyle. Klyptra tam olarak bu metni analiz eder, arkasındaki yayın organını değil.
Paralel 3 model
Üç dil modeli aynı metni altı boyutun tümünde bağımsız değerlendirir ve detay katmanlarını paralel çıkarır: alt kategori bulguları, duyguyla aktör anılmaları ve eş gönderim kümeleri. Bir doğrulama zinciri (5 kontrol sorusu) halüsinasyonları azaltır.
Medyan + uzlaşı
Sayısal puanlar: üç model üzerinden medyan. Etiketler: çoğunluk oyu. Tek tek yargıların dağılımı, boyut başına model uzlaşısı olarak bildirilir — ortalamada kaybolmak yerine görünür kalır.
Kanıt birebir denetlenir
Her bulgu, özgün metinde tam olarak görünen bir alıntı taşımalıdır — aksi halde kanıt elenir (değerlendirme model temelli olarak işaretli kalır). Doğrulanan kanıt, bir karakter ofsetiyle metinde vurgulanır. Sonuç, 30 günlük ömürlü kalıcı bir bağlantıdır.
Tek çözümleyici, iki kullanım
Aynı çözümleyici kodu iki bağlamda çalışır:
/analyse üzerinden): gönderilen bir metnin gerçek analizi — kalıcı bağlantı, 30 günlük ömür.Topluluk
Dil modellerinin kendilerine özgü, modele özgü yanlılıkları vardır. Klyptra, tek bir modelin kör noktalarının diğerleri üzerinden görünür olması için üç farklı ön-eğitim hattından üç model seçer. Birleştirme medyan (sayısal) ve çoğunluk oyu (etiket) iledir — tüm modeller eşit ağırlık taşır, hiçbiri kayrılmaz.
OpenAI (ABD)
GPT-5.4 hattının yalın, düşük gecikmeli bir türevi — daha büyük modellerin puan tutarlılığından ödün vermeden anlık analizi taşır.
Mistral AI (Fransa / AB)
Bağımsız bir sağlayıcıdan Avrupa kökenli bir ön-eğitim hattı — ABD modellerinden farklı bir eğitim temeli getirir.
DeepSeek (Çin)
Üçüncü, bağımsız bir ön-eğitim külliyatı — bu model uzlaşıdan saparsa, dağılım model uzlaşısı olarak görünür olur.
Sayısal puanlar
3 model üzerinden medyan. Tek bir modelin uç değerlerine karşı dayanıklı.
Kategorik etiketler
Çoğunluk oyu. 1:1:1 bölünmede etiket, medyana en yakın puana geri döner.
Model uzlaşısı
Üç yargının dağılımı, boyut başına yüksek, orta ya da düşük uzlaşı olarak bildirilir — modelin güveninden ayrı.
Bilimsel temeller
Klyptra bir öz-kurgu değildir. Her yöntemsel katman, DOI'li hakemli bir kaynağa gönderme yapar. BiasScanner'dan (doğrudan öncülümüz) ayrımı üç modelli toplulukta, Almanca dil uzmanlaşmasında, birebir kapısında ve PFA katmanında yatar.
Kavram & 6 boyut
Altı boyut, Media Bias Taxonomy'nin yanlılık türlerini işlevselleştirir. BABE (Spinde ve diğ. 2021, EMNLP-Findings) uzman etiketli bir doğrulama ölçütü (ikili yanlı/tarafsız) ve IRR kıstası olarak hizmet eder — 0–10 ölçeğinin kendisi Klyptra'nın işlevselleştirmesidir, BABE'nin parçası değildir.
Spinde ve diğ. (2023) Media Bias Taxonomy, ACM Comput. Surv., arXiv:2312.16148 · BABE: EMNLP-Findings 2021, DOI: 10.18653/v1/2021.findings-emnlp.101 · Spinde (2025), Springer, Açık Erişim, DOI: 10.1007/978-3-658-47798-1 içinde derlendi
→ 6 boyut27 alt örüntü
27 özgül yanlılık kategorisi, altı Klyptra boyutunun altında bir alt katman olarak yerleştirilir. BiasScanner, Klyptra'nın doğrudan bilimsel öncülüdür. Spinde'nin çalışmasının parçası değil — bağımsız bir temel.
Menzner & Leidner (2024) “Improved Models for Media Bias Detection and Subcategorization”, NLDB 2024, s. 181–196. DOI: 10.1007/978-3-031-70239-6_13
→ 27 alt örüntüAktör katmanı
PFA-light, adı geçen aktörleri anılma sayısı, duygu ve çerçeveleme araçlarıyla çıkarır. Kişiler arası fark, sistematik asimetrileri görünür kılar.
Hamborg (2023) “Revealing Media Bias in News Articles”, Springer. DOI: 10.1007/978-3-031-17693-7
→ PFA bölümüSınırlar
Yöntemsel dürüstlük zayıf noktaları adlandırmayı gerektirir. Bu liste tüketici değildir — katkılar memnuniyetle karşılanır.
Dil modellerinin belgelenmiş yanlılıkları vardır (Horych ve diğ. 2025). Topluluk + birebir koşulu bunu azaltır ama ortadan kaldırmaz. Klyptra bir hakem değildir — sistematik, doğrulanabilir bir göstergedir.
Klyptra tam olarak gönderilen metni değerlendirir — arkasındaki yayın organını, yazı işlerini ya da yazarı değil. Tek bir sonuç bir yayın organı hakkında bir hüküm değildir; tek bir analizden bir kaynağın genel “eğilimi” çıkarılamaz.
Klyptra dili ve çerçevelemeyi ölçer — iddia edilen olguların doğru olup olmadığını değil. Olgu denetimi ayrı bir görevdir (bkz. Correctiv, dpa olgu denetimi).
Birebir kapısı yalnızca metinde tam olarak görünen alıntıları tutar. Yorumlamalar kanıt olarak verilmez — bu yüzden bazı boyutlar bilinçli olarak kanıt alıntısı olmadan görünür ve model temelli bir değerlendirme olarak işaretlenir. Zorlama kanıt yerine dürüstlük.
Altı üst düzey puan üç modelin tümü üzerinden (medyan) birleştirilir ve dağılımıyla bildirilir. Detay katmanları (alt kategoriler, aktör analizi, eş gönderim) şu an üç modelden birinden gelir — tüm modeller üzerinden gerçek bir birleşim/yinelenenleri-ayıklama birleştirmesi bir sonraki aşama olarak planlanmıştır. Bilinçli bir MVP kararı, bir hata değil.
Üç model öncelikle İngilizce ön-eğitimlidir. Deyim, dilek kipi disiplini ve ironi algısı Almancada İngilizceden daha zayıf olabilir. Az-örnekli örnekler kısmen telafi eder; sistematik bir Almanca gerçek-değer değerlendirmesi araştırma yol haritasındadır.
Altı boyut haber haberciliği için kalibre edilmiştir. Bir yorum gönderilirse, sözcük seçimi ve duygusal denge beklendiği gibi güçlü dalgalanır — Klyptra bir metnin haber mi yorum mu sayılması gerektiğini henüz güvenilir biçimde ayırt edemez. Bir ön-aşama olarak tür tespiti metodoloji yol haritasında belgelenmiştir.
Eğitimli uzmanlar bile yanlılık etiketlerinde yalnızca Krippendorff α ≈ 0.40 uzlaşıya ulaşır (Spinde 2025, Böl. 4) — bu, alanın belgelenmiş üst sınırıdır, bir zayıflık işareti değil. Güçlü bir “gerçek değer” yoktur; Klyptra'nın tutarlılık hedefi bu uzman düzeyini amaçlar, nesnel gerçeği değil.
Otomatik yöntemler istatistiksel olarak elle tutulur ama içerik olarak ilgisiz örüntüleri bildirebilir (Spinde 2025, Böl. 8). Bir puan sistematik bir göstergedir, bir metnin önemi hakkında nihai bir hüküm değil.
Okurlar, konumlarına ters düşen metinleri kendi taraflarındaki benzer metinlerden daha yanlı algılar (düşmanca-medya etkisi). Çalışmalar, yanlılık görselleştirmelerinin bile bu etkiyi çözmediğini gösterir (Spinde 2025, Böl. 7) — bir sonuç kendi duruşunuzdan süzülerek okunur.
Spinde (2025, Böl. 7), siyasi bir sınıflandırmanın yanlılık algısını artırmadığını gösterir — duruşu iletir, çarpıtmayı değil. Klyptra'nın siyasi, ekonomik ve toplumsal betimleyicileri bir eğilim göstergesidir ve nesnellik puanına girmez.
Sürüm geçmişi
Her tek analiz bir methodology_version etiketi taşır. Mevcut analizler sürümünü korur — metodoloji güncellemeleri geçmiş veride puan kayması yaratmaz.
Yeniden üretilebilirlik
Klyptra metodolojisini açıkça belgeler: model sürümleri, yanlılık boyutları ve dayandığı araştırma bu sayfada belgelenmiştir. Ayrıca her analiz, tam yöntemsel durumunu kaydeden bir imza (sistem-istemi karması) taşır.
Metodoloji
Yanlılık boyutları, ölçek ve birleştirme mantığı bu sayfada eksiksiz betimlenmiştir.
Veri
Her analiz, sahibi için JSON ve PDF olarak dışa aktarılabilir.
İstemler
Az-örnekli örnekler dâhil sürümlenmiş istem şablonları. Her değişiklik için fark günlüğü.