Hallo zusammen.
Dies ist eine explorative Visualisierung, an der ich gearbeitet habe.
Die Grafik zeigt den täglichen durchschnittlichen Einflusswert für große US-Nachrichtenagenturen, die über einen Zeitraum von zwei Wochen über die Politik des US-Kongresses berichten.
Die Metrik misst weder die sachliche Genauigkeit noch die politische Voreingenommenheit. Stattdessen werden Signale wie Sprachintensität, Rahmen, Betonung und Erzählstruktur zusammengefasst, um abzuschätzen, wie stark die Berichterstattung die Wahrnehmung des Lesers an einem bestimmten Tag beeinflussen kann.
Jede farbige Reihe stellt den Tagesdurchschnitt einer Filiale über alle zu diesem Thema veröffentlichten Artikel dar; Die graue Linie spiegelt den Cross-Outlet-Mittelwert wider.
Ich poste dies hauptsächlich, um Feedback zur Visualisierung und zum Konzept zu erhalten, ob diese Art des Cross-Outlet-Vergleichs intuitiv, verwirrend oder nützlich ist und wie er klarer dargestellt werden könnte.
Gerne beantworte ich Fragen zur Methodik.
Von NarrativeIndex
2 Kommentare
**Source:**
The data comes from my own aggregation of publicly available news articles from major U.S. outlets. Articles are programmatically collected, tagged by topic (in this case “U.S. congressional politics”), and analyzed daily. The values shown are daily averages across all articles each outlet published on that topic.
**Method / Metric:**
The “narrative influence” score is a composite metric derived from features like language intensity, framing emphasis, repetition, and structural narrative cues. It is **not** a measure of factual accuracy, bias, or political stance , only relative framing strength within coverage.
**Tool:**
Data processing and scoring were done in Python. The visualization itself was generated using a custom JavaScript charting setup (Chart.js) with some post-processing for clarity.
Happy to clarify methodology or answer visualization questions.
Colors are totally indistinguishable. Impossible to tell who is who on this chart