2016 年蔡英文當選為台灣首位女性總統，從女性從政的角度來看具有重要象徵意義。儘管如此直到近年從各媒體報導中，仍可以觀察到投身公領域的女性們仍背負著過往對女性的刻板印象、偏見與歧視，更有一些報導更重視女性政治人物的身材外貌與感情生活而非其政治專業。這些觀察使研究者好奇，在號稱亞洲性別平權第一的國家，媒體在報導不同性別的政治人物時，是否確實存在相當大程度的差異。
本研究試圖量測不同性別於新聞中的角色重要性與刻板印象，在卡方跟資料探索階段共使用 111 個變數，其中有 7 個主要變數：各式發言詞總詞頻、親子關係總詞頻、親密關係總詞頻、身材外貌總詞頻、姓名於標題詞頻、姓名於內文詞頻與內文長度，剩餘變數為各詞彙之詞頻。 研究者期望藉助斷詞使研究能分析較多的新聞篇章，並藉由能理解上下文脈絡的語言模型 BERT 能發現新聞中其它有性別差異之特徵。
根據卡方檢定與出現相關詞彙篇章佔各自性別的比例，研究者認為在民進黨中，女性立委相較男性更容易被提及身材外貌，國民黨中則無此差異；國民黨中，男性立委相較女性更容易被提及感情狀態，民進黨中則無此差異；在國民黨中，女性立委相較男性更容易被提及家庭，民進黨中則無此差異。
由於以上述變數訓練邏輯斯回歸並無得到尚可的預測效果，本研究使用語言模型 BERT 來探索新聞中是否有其他性別差異。研究者抽取國民兩黨男女立委各三十篇新聞篇章，以 transformers-interpret 進行模型的視覺化。在此階段，並未觀察到男性立委較關住「男性議題」，女性立委較關注「女性議題」的現象，與美國學者 Dolan 的研究結果相似。另外根據視覺化結果，研究者認為黨職在一定程度上影響了 BERT 對國民兩黨立委新聞中新聞主角性別的預測，此為往後的研究者在使用語言模型時須留意的。

In 2016, Tsai Ing-wen was elected as first female president of Taiwan. From the perspective of women in politics, it has important symbolic meaning. Despite this, until recent years, from various media reports women join the public sphere, we can still observe there are still remain stereotypes and discrimination against women, some reports place more emphasis on the physical appearance, emotions and personal life rather than its profession of female politicians. These observations have led researchers to wonder whether there are indeed considerable differences when media report female politicians in Taiwan, the most gender equal country in Asia.
This study attempts to measure the role importance and stereotypes of different genders of politicians in the news. In this study, a total of 111 variables were used in the chi-square and data exploration stage, including 7 main variables（total word frequency of various speech words, total word frequency of parent-child relationship words, total word frequency of intimate relationship words, total word frequency of body appearance words, word frequency of name in title, word frequency of name in the article, and article length. The remaining variable is the word frequency of each vocabulary word.
The researchers expect to use word segmentation to enable the study to analyze more news articles, and to discover other gender-differentiated features in the news by using BERT, a language model that can understand the context.
According to the chi-square test and the proportion of relevant vocabulary articles to their respective genders, the researchers believe that in DPP, female legislators are more likely to be referred to body appearance than men, which is similar to previous studies, but there is no such difference in KMT; In KMT, male legislators are more likely to be referred to emotional status than women, but there is no such difference in the DPP; in KMT, female legislators are more likely to be referred to family than men. Similar to previous studies, and There is no such difference in DPP.
Since training a logistic regression with the above variables did not produce acceptable predictions, this study also train a language model BERT to explore whether there are other gender differences in the news. The researchers extracted 30 news articles from the male and female legislators of the two parties, KMT and DPP, And used transformers-interpret to visualize the BERT model. At this stage, it has not been observed that male legislators are more concerned about "male issues" and female legislators are more concerned about "female issues", which is similar to the research results of American scholar Dolan. In addition, according to the BERT visualization results, the researchers believe that the party position of legislator has affected BERT's prediction of the gender of the main character in the news. This is something that future researchers must pay attention to when using language models.

論文審定書 i
誌謝 ii
中文摘要 iii
英文摘要 iv
目錄 vi
圖次 viii
表次 ix
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究重要性與研究問題 2
第二章 文獻回顧 3
2.1 國外媒體性別再現研究 3
2.2 國內媒體性別再現研究 8
2.3 原文表示法之演進與語言模型 BERT 11
第三章 研究方法 15
3.1 研究資料 15
3.1.1 研究對象 15
3.1.2 研究時間區間與媒體 15
3.2 研究流程 16
3.2.1 標記新聞主角之方法 18
3.2.2 各構面之量測方法 19
3.2.3 語言模型 BERT Fine tune 過程 23
第四章 實驗結果與分析 24
4.1 統計分析 24
4.2 邏輯斯回歸 33
4.3 語言模型 BERT 訓練 36
4.3.1 國民黨模型 37
4.3.2 民進黨模型 41
4.4 視覺化解釋 BERT 模型 44
4.4.1 國民黨分析 45
4.4.2 民進黨分析 57
4.4.3 國民兩黨綜合分析 68
第五章 研究結論、限制與未來方向 70
5.1 研究結論 70
5.2 研究限制與未來方向 74
參考文獻 75
附錄一：國民黨語言模型 BERT 男性視覺化結果 78
附錄二：國民黨語言模型 BERT 女性視覺化結果 82
附錄三：民進黨語言模型 BERT 男性視覺化結果 86
附錄四：民進黨語言模型 BERT 女性視覺化結果 90

姜貞吟（2005）。兩性參政之現況問題與未來展望。國家政策季刊，4（1），33- 68。
彭渰雯（2012）。婦運與政治。載於黃淑玲、游美惠（主編），性別向度與臺灣 （第二版）（209-232）。臺北市：巨流。
洪菽珮（2013）。女性菁英政治參與之分析－ 以臺南市第一屆女性市議員為例。 中正大學政治學研究所碩士論文。
姜貞吟（2017）。女總統跟她的內閣們：女性人才哪裡去了？。載於戴伯芬（主 編），性別作為動詞：巷子口社會學 2（180-186）。新北市，大家。
「單身女子怎會了解家庭的需要？」 宋陣營批洪蔡文宣引爭議（2015 年 9 月 22 日）。風傳媒。取自：https://www.storm.mg/article/66037
盧沛樺、張玉佩（2010）。新媒體世代－從運動員性別報導角度分析網路新聞媒體現況。中華傳播學刊，17期，139-170。
李孟霖、何信弘（2014）。運動與性別的新聞再現－以105學年度高中籃球甲級聯賽總決賽之報導為例。中華體育季刊，28 卷 1 期，31-37。
曾郁嫻（2017）。運動新聞中的女性運動員形象分析：2015 威廉瓊斯盃國際籃球邀請賽「包喜樂效應」。大專體育學刊，19卷1期，1-18。
陳雅琪（2017）。新聞再現分析：空服員性別與專業之個案研究。臺灣大學新聞研究所學位論文。
湯雅婷（2016）。臺灣平面新聞報導之性別再現分析。國立臺灣藝術大學廣播電視學系碩士班碩士學位論文。
倪炎元（2002）。台灣女性政治精英的媒體再現，新聞學研究，70，17-58。
楊堯茹（2017）。台灣女性政治人物媒體再現的批判論述分析-以 2012 年及 2016 年總統大選報導為例。世新大學新聞學系碩士論文
楊婉瑩（2019）。沒有選擇的選擇──女性從政者的雙重束縛。這是愛女，也是厭女：如何看穿這世界拉攏與懲戒女人的兩手策略？。
李沁儒（2023）。探索新世代女性民代媒體形象：數位人文方法取徑之研究。國立政治大學傳播學院傳播碩士學位學程碩士學位論文。
游美惠（2000）。內容分析、文本分析與論述分析在社會研究的運用。調查研究-方法與應用，8。上網日期：2014年4月21日，檢自：http://www.airitilibrary.com/Publication/alDetailedMesh?docid=10281649-200008-201207230020-201207230020-5-42
鄭恒昇（2011）。候選人背景與選區特質對立法委員競選政見形成及內容的影響—以第七屆立法委員為例。中山大學政治學研究所碩士論文。
楊婉瑩（2001）。性別差異下的立法院。政治科學論叢，15，135-170
楊婉瑩、林珮婷（2013）。她們改投給蔡英文嗎？2008-2012 年總統大選性別差 距的變動。選舉研究。20 (2)，37-71。
洪菽珮（2013）。女性菁英政治參與之分析－ 以臺南市第一屆女性市議員為例。 中正大學政治學研究所碩士論文。
疫情3年了，你好嗎？──7大關鍵數據，解析全台逾900萬人感染、1萬5千人死亡下該被看見的事（2023年1月18日）。報導者。取自：https://www.twreporter.org/a/covid-19-third-anniversary-coverage-data
2023年台灣網路新聞媒體排名大公開，最夯流量密碼揭曉！（2023年5月2號）。CT發稿中心。取自：https://newsleader.tw/ranking-internet-news-media/
Vajjala et al.（2021）。自然語言處理最佳實務：全面建構真正的NLP系統。歐萊禮。（原著出版於 2020 年）
Aaldering, L., Van der Meer, T., & Van der Brug, W. (2018). Mediated leader effects: The impact of newspapers’ portrayal of party leadership on electoral support. The International Journal of Press/Politics, 23(1), 70–94.
Aaldering, L., & Van der Pas, D. J. (2018). Political leadership in the media: Gender bias in leader stereotypes during campaign and routine times. British Journal of Political Science, 50(3), 911–931.
Koenig, A. M., Eagly, A. H., Mitchell, A. A., & Ristikari, T. (2011). Are leader stereotypes masculine? A meta-analysis of three research paradigms. Psychological Bulletin, 137(4),
616–642. GMMP (2015).Global Media Monitoring Project 2015. https://www.media-diversity.org/additional-files/Who_Makes_the_News_-_Global_Media_Monitoring_Project.pdf
GMMP (2021). 6th GLOBAL MEDIA MONITORING PROJECT. https://whomakesthenews.org/wp-content/uploads/2021/07/GMMP2020.ENG_.FINAL20210713.pdf
Comas D. (2012). Making women more visible in the news. Catalan Journal of Communication & Cultural Studies, 4(2), 249-25
Comrie, M. & McMillan, K. (2013). Running on the spot: NZ’s record in news media gender equity. Pacific Journalism Review, 19(2), 196-214.
Goodall, H. (2012). Media's Influence on Gender Stereotypes. Media Asia (Asian
Media Information & Communication Centre), 39(3), 160-163.
Van der Pas, D. J., & Aaldering, L. (2020). Gender differences in political media coverage: A meta-analysis. Journal of Communication, 70(1), 114–143.
Aaldering et al. (2018).Gender Differences in Political Media Coverage: A Meta-Analysis. Journal of Communication.
Aliya Andrich, Marko Bachl, and Emese Domahidi (2023). Goodbye, Gender Stereotypes? Trait Attributions to Politicians in 11 Years of News Coverage. Journalism & Mass Communication QuarterlyOnlineFirst.
Tomas Mikolov, Kai Chen, Greg Corrado, Jeffrey Dean. (2013).Efficient Estimation of Word Representations in Vector Space. arXiv.https://doi.org/10.48550/arXiv.1301.3781
Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova.(2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv. https://arxiv.org/abs/1810.04805
Zoch, L. M., & Vanslyke Turk, J. (1998). Women making news: gender as a variable in source selection and use. Journalism & Mass Communication Quarterly, 75(4), 762-775.
Wu et al.（2016）. Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation. https://doi.org/10.48550/arXiv.1609.08144