본 연구는 2013년부터 2024년까지 The New York Times 기사에 나 타난 감정 강도의 변화 여부를 분석하는 것을 목적으로 한다. 구체적으 로, 오바마, 트럼프, 바이든 행정부 시기의 기사 제목과 초록을 대상으로 감정 차이를 비교함으로써 트럼프 전 대통령이 제기한 뉴욕타임스의 정 치적 편향 주장에 대해 실증적으로 검토한다. 방법론적으로 본 연구는 두 가지 감정 분석 모델인 TextBlob과 VADER를 활용하였다. 분석 결 과, 트럼프 행정부 시기에 가장 부정적인 감정 강도가 나타났으며, 전반 적으로 제목이 초록보다 더 강하고 부정적인 감정을 지속적으로 포함하 는 것으로 확인되었다. 또한 VADER는 TextBlob에 비해 부정적 감정에 더 민감하게 반응하는 경향을 보였다. 결론적으로, 두 모델 간 결과 차이 는 모델 선택이 언론 편향 해석의 객관성을 제한할 수 있음을 시사한다. 향후 연구에서는 BERT와 같은 보다 고도화된 언어 모델을 활용하고, 감 정 추세의 타당성을 검증하기 위한 통계적 분석 방법을 적용할 필요가 있다.

This study aims to examine whether the sentiment intensity in New York Times articles changed between 2013 and 2024. Specifically, it investigates President Trump's claim that the New York Times is politically biased by analyzing sentiment differences in headlines and lead phrase across the Obama, Trump, and Biden administrations. Methodologically, the analysis employs two sentiment models: TextBlob and VADER. The findings reveal that the Trump era showed the most negative sentiment intensity, and headlines consistently carried more negative and intense sentiments than lead phrase. VADER was also more sensitive to negative sentiment than TextBlob. In conclusion, the variation in results between the two models suggests that model choice can limit the objectivity of media bias interpretation. Future research should consider using more advanced models such as BERT and apply statistical methods to validate sentiment trends.

Abstract
I. Introduction
II. Literature Review
III. Research Design
IV. Result
    1. High-Level Data Description
    2. Results by Model and Visualization
    3. Summary of Key Results and Research Questions
    4. Discussion
V. Conclusion

<논문요약>

• Seongryeol Kim(Busan University of Foreign Studies) | 김성렬 (부산외국어대학교)
• Sunghyuk An(University of Chicago) | 안성혁 Corresponding author