Forskere identificerer syv typer falske nyheder, hjælper med bedre detektion

For at hjælpe folk med at se falske nyheder, eller skabe teknologi, der automatisk kan opdage vildledende indhold, Forskere skal først vide præcis, hvad falske nyheder er, ifølge et hold af Penn State-forskere. Imidlertid, tilføjer de, det er ikke så enkelt, som det lyder.

"Der er en reel krise i vores kulturelle forståelse af begrebet 'falske nyheder' så meget, at flere forskere aktivt har bevæget sig væk fra det mærke, fordi det er så mudret, forvirrende og bevæbnet af visse partisankilder, " sagde S. Shyam Sundar, James P. Jimirro professor i medieeffekter og meddirektør for Media Effects Research Laboratory i Donald P. Bellisario College of Communications.

I en undersøgelse, forskere indsnævrede utallige eksempler på falske nyheder til syv grundlæggende kategorier, som inkluderer falske nyheder, polariseret indhold, Satire, fejlrapportering, kommentar, persuasive information og borgerjournalistik. Forskerne kontrasterede også disse typer indhold med rigtige nyheder og rapporterer deres resultater i det aktuelle nummer af Amerikansk adfærdsforsker .

Forskerne fandt ud af, at rigtige nyheder har budskabskarakteristika, der adskiller dem fra de forskellige kategorier af falske nyheder, såsom overholdelse af journalistisk stil. Falske nyheder har en tendens til at være mindre grammatiske og mindre faktuelle, med større afhængighed af følelsesladede krav, vildledende overskrifter og så videre. De adskiller sig også i den slags kilder, de bruger, og hvordan de bruger dem.

Ud over, undersøgelsen bemærkede forskelle i strukturen af ​​webstedet, såsom brug af ikke-standardiserede webadresser og personlige e-mails i "kontakt os" sektionen. Desuden, netværksforskelle kan bruges til at hjælpe med at skelne dem, med opdigtede nyheder, der primært cirkuleres blandt konti på sociale medier og sjældent involverer mainstream-medier.

Ifølge Maria Molina, en doktorgradskandidat i massekommunikation og hovedforfatter af artiklen, identificere de forskellige budskaber, kilde, strukturelle og netværksmæssige funktioner i forskellige former for online nyheder er nødvendige for ikke kun at hjælpe folk med at se falske nyheder, men også at hjælpe videnskabsmænd, der bruger kunstig intelligens – AI – med at bygge systemer, der en dag automatisk kan advare folk om indhold, der kan være misinformation.

"I vores eget mediemiljø modtager vi mange forskellige typer indhold, men ikke alle er beregnet til at informere. Imidlertid, de vises alle i samme format, så det er nemt for folk at forveksle dem med rigtige nyheder, sagde Molina. Og, for automatisk at opdage falske nyheder, Vi skal først forstå præcis, hvad falske nyheder er, og hvad de forskellige lag er, så vi kan klassificere et stykke indhold som falsk sammenlignet med et andet stykke indhold."

Forskerne brugte en forskningsteknik kaldet en konceptforklaring til at udføre undersøgelsen. Processen kræver, at forskere foretager udtømmende søgninger efter referencer til begreber, I dette tilfælde, falske nyheder, i videnskabelige og populære medier. Forskerne undersøgte derefter, hvordan falske nyheder defineres, og hvordan det måles.

Online nyhedsindhold kan også mangle mange af de strukturelle signaler, der engang blev brugt af mere traditionelle former for medier, der hjalp folk med bedre at skelne mellem forskellige former for indhold. For eksempel, en kommentar dukkede engang op på den redaktionelle sektion af en avis, der signalerede, at artiklen var mening. Ud over, annoncer kan være blevet sat i en boks for at adskille den fra nyhedsindhold, sagde Sundar, som også er tilknyttet Penn State's Institute for Computational and Data Sciences (ICDS), som giver Penn State-fakultetet supercomputerressourcer.

Forskerne foreslår, at en bedre forståelse af de forskellige former for falske og rigtige nyheder kan føre til forbedret mærkning af indhold, som kunne hjælpe med at genoprette noget af den nyhedssegmentering. Hvis indholdet er korrekt mærket, online nyhedsforbrugere kan have forskellige reaktioner på forskellige former for nyheder og information, ifølge Sundar.

"For eksempel, hvis et stykke indhold er mærket som direkte nyheder, så er det en anden historie end hvis den er mærket kommentar, eller satire, " sagde han. "Så, Vi synes, det er meget vigtigt at genkende de forskellige elementer i onlinenyheder for at kunne kalibrere forventningerne hos læserne og også hos visse offentlige personer, der anklager medierne for at forfalske information."

Det er svært at bruge computere til automatisk at opdage falske nyheder, fordi disse systemer kun ser indholdet som enten sandt eller falsk, sagde Dongwon Lee, projektets hovedefterforsker og lektor ved College of Information Sciences and Technology. Lee, som også er tilknyttet ICDS, sagde, at det ikke altid er tilfældet.

"Når vi møder indhold i det virkelige liv, situationen er meget mere rodet og mere mørk, " sagde Lee. "For eksempel, på trods af at den indeholder nogle faktuelt forkerte oplysninger, en satireartikel bør ikke blindt stemples som falsk, hvis konteksten er klar; endnu, på samme tid, hvis kun nogle dele af satireartiklen bruges, ude af kontekst, på sociale medier, så skal det mærkes som falsk for at bremse spredningen."

Han tilføjede, at denne undersøgelses resultater kunne bruges til at udvikle AI-teknikker, der kan identificere flere typer falske nyheder, som bedre afspejler det virkelige nyhedsmiljø.

"Vores forbedrede forståelse i denne artikel om karakteristikaene for syv undertyper i spektret af sand-til-falske nyheder vil sætte os i stand til at udvikle en ny type af et automatisk detekteringssystem, der er i stand til mere finkornede domme, " sagde Lee. "Vi er i øjeblikket ved at udvikle en sådan løsning ved hjælp af multinomial overvåget læringsteknik i maskinlæring."