Website translation into 96 languages

Saturday 16 November 2019

Исследователи определили семь типов фейковых новостей



Чтобы помочь людям выявлять фейковые новости или создать технологию по определению «новостных фальшивок», необходимо сначала определить, что это такое. Ученые из Университета штата Пенсильвания проанализировали бесчисленные примеры fake news, сгруппировав их в семь основных категорий. Статья опубликована в издании American Behavioural Scientist.

Исследователи определили следующие разновидности новостных фейков: газетные утки, предубежденное мнение, сатира, недостоверные сведения, комментарии, увещевательная (убеждающая) информация и городская журналистика. Ученые также сравнили эти типы материалов с реальными достоверными новостями.

У достоверных материалов есть определенные признаки, отличающие их от неправдивых. В фейковых новостях обычно не соблюдается журналистский стиль, они менее выдержаны и вместо фактов предлагают людям эмоциональные утверждения. Также признаком fake news являются завлекательные или провокационные заголовки, отсутствие источников информации или ссылки на «анонимный источник».

Ученые отметили особенности в структуре веб-сайтов, которые позволяют маркировать их как источник недостоверной информации: например, использование нестандартных e-mail адресов для обратной связи или же отсутствие контактов редакторов и владельцев ресурса. Онлайновые новости также часто лишены многих структурных особенностей, которые присутствуют в более традиционных медиа (журналах и газетах) и позволяют различать формы контента. Так, на сайтах часто реальные новости смешиваются с рекламными материалами без соответствующих пометок, а мнение автора выдается за аналитику.

По словам ведущего автора статьи Марии Молины, выявление особенностей различных форм правдивых и ложных онлайн-новостей необходимо не только для того, чтобы помочь людям различать фейки. Эти данные будут полезны при создании систем искусственного интеллекта, которые будут автоматически предупреждать людей о возможной дезинформации.

Кроме того, данные исследования помогут разработать систему маркировки контента, которая восстановит характерную для традиционных СМИ сегментацию новостей. «Очень важно распознавать различные виды онлайн-новостей, чтобы иметь возможность настройки ожиданий читателей и некоторых общественных деятелей, которые обвиняют СМИ в фальсификации данных», — говорит соавтор исследования Шиям Сундар.

Использование компьютеров для автоматического определения фейковых новостей затрудняет то, что искусственный интеллект мыслит в категориях бинарной логики, распознавая лишь правду или ложь, не улавливая при этом многих нюансов. Например, сатирический памфлет фактически содержит неправдивые данные, но с учетом контекста не должен маркироваться как фальшивка. С другой стороны, если элементы сатиры используются в новостных сообщениях вне контекста, такие материалы должны быть отмечены как сомнительные.

«Наше улучшенное понимание характеристик семи подтипов [фейковых новостей] <…> позволит нам разработать новый тип системы автоматического определения, способный принимать более индивидуальные решения», — утверждает Ли Донгвон, один из участников исследования. Ученые уже работают над программным решением этой проблемы с использованием методик машинного обучения.