Om mensen te helpen nepnieuws te herkennen, of technologie te creëren die automatisch misleidende inhoud kan detecteren, wetenschappers moeten eerst precies weten wat nepnieuws is, volgens een team van onderzoekers van Penn State. Echter, zij voegen toe, dat is niet zo eenvoudig als het klinkt.

"Er is een echte crisis in ons culturele begrip van de term 'nepnieuws', ' zo erg zelfs dat verschillende geleerden actief afstand hebben genomen van dat label omdat het zo modderig is, verwarrend en bewapend door bepaalde partijdige bronnen, " zei S. Shyam Sundar, James P. Jimirro Hoogleraar Media Effects en mededirecteur van het Media Effects Research Laboratory in het Donald P. Bellisario College of Communications.

In een onderzoek, onderzoekers hebben talloze voorbeelden van nepnieuws teruggebracht tot zeven basiscategorieën, waaronder vals nieuws, gepolariseerde inhoud, satire, verkeerde rapportage, commentaar, persuasieve informatie en burgerjournalistiek. De onderzoekers contrasteerden dat soort inhoud ook met echt nieuws en rapporteren hun bevindingen in het huidige nummer van Amerikaanse gedragswetenschapper .

De onderzoekers ontdekten dat echt nieuws berichtkenmerken heeft die het onderscheiden van de verschillende categorieën nepnieuws, zoals het vasthouden aan journalistieke stijl. Vals nieuws is meestal minder grammaticaal en minder feitelijk, met een grotere afhankelijkheid van emotioneel geladen claims, misleidende koppen enzovoort. Ze verschillen ook in het soort bronnen dat ze gebruiken en hoe ze ze gebruiken.

In aanvulling, de studie merkte verschillen op in de structuur van de site, zoals het gebruik van niet-standaard webadressen en persoonlijke e-mails in de rubriek "contacteer ons". Verder, netwerkverschillen kunnen worden gebruikt om ze te onderscheiden, met gefabriceerd nieuws dat voornamelijk werd verspreid onder sociale-media-accounts en zelden door de reguliere media.

Volgens Maria Molina, een promovendus in massacommunicatie en hoofdauteur van het artikel, het identificeren van de verschillende berichten, bron, structurele en netwerkkenmerken van verschillende vormen van online nieuws is nodig om mensen niet alleen te helpen nepnieuws te herkennen, maar ook om wetenschappers te helpen die kunstmatige intelligentie (AI) gebruiken om systemen te bouwen die op een dag mensen automatisch kunnen waarschuwen voor inhoud die mogelijk verkeerde informatie is.

"In onze eigen media-omgeving ontvangen we veel verschillende soorten content, maar ze zijn niet allemaal bedoeld om te informeren. Echter, ze verschijnen allemaal in hetzelfde formaat, dus het is gemakkelijk voor mensen om ze te verwarren met echt nieuws, "zei Molina. "En, om automatisch nepnieuws te detecteren, we moeten eerst begrijpen wat nepnieuws precies is en wat de verschillende lagen zijn, zodat we het ene stuk inhoud als nep kunnen classificeren in vergelijking met een ander stuk inhoud."

De onderzoekers gebruikten een onderzoekstechniek die een concept-explicatie wordt genoemd om het onderzoek uit te voeren. Het proces vereist dat onderzoekers uitputtend zoeken naar verwijzingen naar concepten, in dit geval, nep nieuws, in wetenschappelijke en populaire media. Vervolgens onderzochten de onderzoekers hoe nepnieuws wordt gedefinieerd en gemeten.

Online nieuwsinhoud mist mogelijk ook veel van de structurele aanwijzingen die ooit werden gebruikt door meer traditionele vormen van media die mensen hielpen om beter onderscheid te maken tussen verschillende vormen van inhoud. Bijvoorbeeld, commentaar verscheen ooit op de redactionele sectie van een krant die aangaf dat het artikel een opinie was. In aanvulling, advertenties zijn mogelijk in een doos geplaatst om deze te scheiden van nieuwsinhoud, zei Sundar, die ook een filiaal is van Penn State's Institute for Computational and Data Sciences (ICDS), die de faculteit van Penn State supercomputerbronnen biedt.

De onderzoekers suggereren dat een beter begrip van de verschillende vormen van nepnieuws en echt nieuws zou kunnen leiden tot een betere etikettering van inhoud, die zou kunnen helpen een deel van die nieuwssegmentatie te herstellen. Als de inhoud correct is gelabeld, online nieuwsconsumenten kunnen verschillend reageren op verschillende vormen van nieuws en informatie, volgens Sundar.

"Bijvoorbeeld, als een stuk inhoud wordt bestempeld als rechtstreeks nieuws, dan is het een ander verhaal dan als het commentaar is, of satire, "zei hij. "Dus, we denken dat het erg belangrijk is om de verschillende elementen van online nieuws te herkennen om de verwachtingen te kunnen kalibreren van lezers en ook van bepaalde publieke figuren die de media beschuldigen van het vervalsen van informatie."

Het is moeilijk om computers te gebruiken om nepnieuws automatisch te detecteren, omdat deze systemen de inhoud alleen als waar of nep zien, zei Dongwon Lee, de hoofdonderzoeker van het project en een universitair hoofddocent aan het College of Information Sciences and Technology. Lee, die ook een filiaal is van ICDS, zei dat dat niet altijd het geval is.

"Als we inhoud in het echte leven tegenkomen, de situatie is veel rommeliger en duisterder, "zei Lee. "Bijvoorbeeld, ondanks het feit dat het feitelijk onjuiste informatie bevat, een satireartikel mag niet blindelings als nep worden bestempeld als de context duidelijk is; nog, tegelijkertijd, als slechts enkele delen van het satireartikel worden gebruikt, uit de context, op sociale media, dan moet het als nep worden bestempeld om de verspreiding ervan te beteugelen."

Hij voegde eraan toe dat de bevindingen van deze studie kunnen worden gebruikt om AI-technieken te ontwikkelen die meerdere soorten nepnieuws kunnen identificeren, die de real-world nieuwsomgeving beter zal weerspiegelen.

"Ons beter begrip in dit artikel over de kenmerken van zeven subtypes in het spectrum van echt-tot-nepnieuws zal ons in staat stellen een nieuw type autodetectiesysteem te ontwikkelen dat in staat is tot meer fijnmazige oordelen, " zei Lee. "We ontwikkelen momenteel een dergelijke oplossing met behulp van de multinomiale leertechniek onder toezicht van machine learning."