Nasıl Başlıyor: Araştırma ilgi alanları anekdot olarak gözlemlenen gerçek dünyadaki 'bulmacalar'
Sosyal medyada haberlerin dolaşımı ve yanlış bilgilendirme zorluğunun çevrimiçi olarak yayılması ile ilgilenen araştırmacılar, anekdot olarak gözlemlediğimiz birkaç şaşırtıcı şey vardı. Bulmacalardan biri, yanlış bilgilendirme veya 'sahte haberlerin sosyal medyaya yayılmasını ölçen ampirik çalışmaların, yanlış bilginin insanların medya diyetinin çok küçük bir parçası olduğu sonucuna varmış gibi görünüyordu ve yine de, çeşitli çalışmalarda çeşitli alanlarda yanlış bilgi yayılmasının zararlarını ve olumsuz etkisini özetledi. Başka bir bulmaca, sosyal medyadaki yanlış bilgilendirme paylaşıcılarının sadece Güvenilmez olduğu bilinen alanlardan 'sahte' haberleri veya haberleri paylaşın; Aksine, kaynakların saygın veya güvenilir olduğu düşünülen 'ana akım' haberlerini de paylaşıyorlar. Bu bulmacalar, 2020 ve 2021'de Covid-19 pandemi üzerinde bazı ana akım raporlarla etkileşime girdi ve bu da bizden kolektif bir inilti çekti. Orijinal başlığı olan Washington Post'tan olan gibi makaleler: “Aşılanmış insanlar artık Covid ölümlerinin çoğunu oluşturuyor” (başlık 3 gün sonra değiştirildi, ancak Twitter/X'de zaten popüler bir şekilde popülerdi). Ya da Chicago Tribute'tan “Bir 'Sağlıklı' Doktor, Covid-19 aşısı aldıktan iki hafta sonra öldü; CDC nedenini araştırıyor”aşıların etkinliğini ve güvenliğini çevreleyen yanlış bilgileri paylaşan insanlar için açık bir mühimmattı, ve tartışmalı olarak daha fazla meşruiyet ve potansiyel erişim taşıdı (makalemizdeki vaka çalışmaları tarafından gösterildiği gibi). Ancak bu makaleler, bu makaleleri yayınlayan alanlar nedeniyle genellikle yanlış bilgi araştırmalarında dikkate alınmaz!
Sorunun kalbi ve ileriye doğru bir yol
Buradaki teorik ve operasyonel sorun oldukça açıktır. “Sahte haberler” bir süreç odaklı yol (örn.hangi teşvik ediyor kaynak düzeyinde miktar. Öncelikle etki alanı seviyesi listelerinin operasyonel kolaylığı ve kullanılabilirliği nedeniyle, kaynaklar büyük ölçüde ilgili kaynakların bağlılığına dayanarak güvenilir veya güvenilmez olarak kategorize edilir. (veya bunların eksikliği), doğruluk için itibarlarına ek olarak, ana akım gazeteciliğin prosedürleri ve normları. Bu ikili 'güvenilir' veya 'güvenilmez' etiketi daha sonra yansıtılır Tümü Bir kaynak tarafından yayınlanan hikayeler ve bilgilerden ve dolayısıyla, yanlış bilgilendirme araştırmaları, önceki bir noktada oluşturulan sabit bir 'güvenilmez haber alan adına' odaklanma eğilimindedir. 'Güvenilir' çıkışların tüm hikayeleri bu kurulumda yanlış bilgi araştırması için dikkate alınmamıştır. Bir haber hikayesinin kaynağının itibarı, hikayenin potansiyel gerçek değeri için bir vekil olarak kullanılır. Kaynakların “sahte” veya “güvenilir” olarak ikili sınıflandırılması, güvenilir kaynaklar tarafından üretilen bilgilerin yanlış veya yanıltıcı olabileceği gerçeğini gizler.
Ayrıca, bilginin doğru ya da yanlış olarak ikili sınıflandırılması, bilginin – özellikle internette – sosyal işlevinden bağımsız olarak mevcut olmadığını açıklamaz; Bilgilerin yanlış bilgi yerine ne ölçüde bilgilendirilmesi, genellikle nasıl kullanıldığına bağlıdır!
Bu yüzden teorik zorlukları anladık, ancak onlarla yüzleşmek için pratik bir yol sunmak, çalışmalarımızla ele almaya başlamak istediğimiz gerçek zorluktu. Genel zorluğu iki parçaya ayırdık:
- Haber kaynaklarının veya alanların seviyesinin ötesine geçerek: İlgilenilen bireysel ana akım makaleleri tanımlamanın bir yoluna ihtiyacımız var.
- Bir haber hikayesinin hakikat değerine veya gerçekliğine odaklanmanın ötesine geçerek: Hangi faktörlerin ana akım haber hikayesini yanlış bilgilendirme paylaşıcıları için yararlı hale getirebileceğini denemek ve anlamaya ihtiyacımız var.
Neyse ki, Ağ Bilimi ve Doğal Dil İşleme (NLP) konusundaki geçmişlerimiz, her iki zorlukla da mücadele etmemize ve gelecekteki araştırmalar için umut verici bir yol sunmamıza yardımcı oldu.
Meydan Okuma Çözümü 1: birlikte paylaşım.
Haber makalelerinin Twitter/X paylaşımlarından oluşan bir veri kümesini kullanarak, bireysel makaleler veya URL'ler ile düğüm olarak ağırlıklı bir grafik oluşturuyoruz. Sahte bir haber URL'si ve güvenilir bir haber URL'si arasındaki kenarlar, veri kümemizdeki Twitter kullanıcılarının her iki düğüm URL'sini de en az bir kez paylaşan sayısı tarafından ağırlıklandırılır. Her bir kenarda, her iki olay düğümü URL'lerinin aynı kullanıcı tarafından paylaşılma olasılığına dayanarak, bu URL'lerin her birinin bireysel popülaritesini izole edilmiş olarak kontrol etme olasılığına dayanarak bir birlikte paylaşım puanı atamak için bir grafik öndeme algoritması uyguluyoruz. Bu ortak paylaşım puanı, “sahte” haberlerle orantısız olarak ortak olarak paylaşılan ana akım haber makalelerinin kimliğine yardımcı olmasına ve aynı ana akım satış noktalarından bir kontrol makalesi oluşturmamıza yardımcı oluyor.
Çevrimiçi sosyal medya platformlarında, özellikle birlikte paylaşım kavramında bilgi paylaşımının ağa bağlı doğası, bu nedenle ilgi çekici bireysel içerik parçalarını (ana akım haber makaleleri gibi) tanımlamaya yardımcı olabilir.
Zorluk 2: Otomatik Anlatı Ekstraksiyonu.
Daha sonra, ana akım makalelerden anlatı yapılarını, “sahte” haber makalelerinden ve yanlış olduğu bilinen gerçek kontrollü ifadelerden ayıklamak için otomatik bir NLP aracı kullanıyoruz. Birlikte paylaşım önlemimizde yüksek puanlara sahip ana akım hikayelerin, düşük ortak paylaşım puanlarına sahip olanlardan, yanlış bilgi içeriğinde bulunan anlatıları veya potansiyel olarak yanıltıcı anlatıları içermesi için önemli ölçüde daha olası olmasını bekliyoruz. Bu potansiyel olarak yanıltıcı anlatıları, güvenilmez kaynaklar tarafından üretilen veya yanlış olduğu bilinen ifadelerde ortaya çıkan bilgilerde tekrar tekrar ortaya çıkan varlık-aksiyon ilişkileri olarak tanımlıyoruz (örneğin, 'aşılar otizme neden olur').
Anlatıları otomatik olarak tanımlamak (yapılandırılmış varlık-aksiyon ilişkileri), 'gerçeklik' odağından haber makalelerinin 'yararlılığını' incelemeye geçmemize yardımcı olur. NLP'deki mevcut ilerlemelerle, bilim adamlarının, özellikle bir metnin yazarı hakkındaki sosyal medya bağlamının bu tür anlatım çıkartmasını destekleyebildiğinde, anlatıları ve altta yatan dünya görüşlerini metin verilerinden çıkarmak için giderek daha iyi araçlara sahip olmalarını bekliyoruz. Bu, sadece alanların ikili sınıflandırmalarına güvenmememiz gerekmediği, ancak içeriğin kendisini giderek daha fazla inceleyebileceğimiz ve çeşitli sosyal yapıların tespitini, çalışmasını sağlayacak şekilde operasyonelleştirebileceğimiz anlamına gelir. sosyal kullanım Bilgi!
(Resim: Güvenilmez haberleri paylaşma, seçkin ana akım haber makalelerini paylaşma geçmişi olan kişilerin tweet örnekleri)
Bulgularımızın ve sonuçlarımızın etkileri
Twitter/x'deki sahte haber paylaşan kullanıcılar arasında dolaşan ana akım makalelerin, sahte haberlerle birlikte paylaşılmayan aynı güvenilir satış noktalarından gelen ana makalelere kıyasla, yanlış bilgi içeriğinde yaygın olan anlatıları içerme olasılığının daha yüksek olduğunu bulduk. Bu etki partizan küratörlüğüne tam olarak atfedilemez- bulgularımız tamamen sol veya sağ eğilimli bir eğim taşıyan potansiyel olarak yanıltıcı anlatılara bağlı değildir. Bulgumuz, kullanıcıların potansiyel olarak yanıltıcı anlatıları sosyal medyada geliştirmek ve yaymak için ana akım haberleri stratejik olarak yeniden kullandıklarını göstermektedir. Gerçekten de, yanıltıcı anlatıları tanıtan kullanıcıların, bu kaynakların güvenilirliği nedeniyle bu anlatılara tam olarak uyacak şekilde yeniden tasarlanabilecek bilgileri yayınladıklarında ana akım kaynakları özellikle cazip bulmaları muhtemeldir. Bu amaçla, veri kümemize dayanan analizler aslında bu sahte haber makaleleriyle birlikte paylaşılan ana haber makaleleri için erişim ve potansiyel kitlenin sahte haber makalelerinin iki katından fazla olduğunu göstermektedir. Bu, beklenmedik kaynaklardan geldiğinde daha güvenilir olarak görülen partizan bilgisinin ilgili örnekleri ile tutarlıdır. ve kullanıcıların daha geniş dünya görüşlerini ilerletmek için yararlı olduklarını düşündükleri bilgileri paylaştıkları genel bir çerçeve önerir.
Sorumlu Gazetecilik Uygulaması için: Haber hikayelerini ve çerçevelemelerini incelerken, özellikle manşetler için, sadece hikayenin ham bilgilerini değil, aynı zamanda bilgilerin desteklemek için kullanılabileceği daha geniş iddiaları dikkate almak önemlidir. Burada geliştirdiklerimiz ve kullandıklarımız gibi teknolojik yöntemler, bir hikayenin olgusallığını ve doğruluğunu kontrol etmenin ötesine geçmeye yardımcı olabilir ve bir hikayenin yanılmaya yeniden yerleştirilmesi riskini en aza indirmeye katkıda bulunabilir. Raporlamalarının titizliğini ve içeriklerinin nasıl kullanılabileceğini veya kötüye kullanılabileceğini taahhüt eden gazeteciler, ana akım haber makalelerinin, yanlış veya asılsız iddialara dayalı olarak dünya görüşlerini meşrulaştırma şansını azaltmaya yardımcı olmak için yayınlamadan önce çerçevelemelerini buna göre ayarlayabilirler.
Çevrimiçi yanlış bilgilendirme üzerine bilimsel araştırmalar için, çalışmamız, yalnızca bilgileri (kaynaklardan hiçbir şey söylemek) kesinlikle güvenilir veya güvenilmez olarak sınıflandırmaya dayanmak yerine, belirli bir bilginin dolaştığı daha geniş bağlamı dikkate almanın önemini vurgulamaktadır. Çevrimiçi bilgi ekosistemiyle ilgili görünür sorunları anlamak için daha iyi bir çerçeve, gerçek değeri dışındaki nedenlerden ötürü bilgi tercihleri de dahil olmak üzere kullanıcı tercihlerini ve davranışlarını açıklamalıdır (Williams tarafından (2022) kavramsallaştırıldığı gibi dünya görüşlerini koruma ve ilerleyen ilgi alanları). Bu, sonuçta, çalışmamızın bu yazının başında özetlenen bulmacaları ve şikâyetleri ele alması için bilimsel topluluğun ulaşmasına yardımcı olabileceğini ve yardımcı olabileceğini umduğumuz çerçevedir.
Bir yanıt yazın