Исследователи определили семь типов фейковых новостей, пишут СМИ.
Чтобы помочь людям выявлять фейковые новости или создать технологию по определению «новостных фальшивок», необходимо сначала определить, что это такое. Этим и занялись ученые из Университета штата Пенсильвания. Они проанализировали бесчисленные примеры fake news, сгруппировав их в семь основных категорий.
Статья об этом опубликована в издании American Behavioural Scientist.
Ситуация с фейковыми новостями беспокоит не только журналистов, политиков, но и ученых
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 <…> 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.
