مبارزه با اطلاعات نادرست و ترویج کثرت با کشف اخبار جعلی - آلاوان

مبارزه با اطلاعات نادرست و ترویج کثرت با کشف اخبار جعلی

درخواست کن

پروژه تمام شد! نتایج به زودی به اشتراک گذاشته می شود

Newsroom استارتاپی مبتنی بر تأثیرگذاری است که هدف آن کاهش سرعت انتشار اطلاعات نادرست و ترویج تعدد آنلاین است. در این چالش دو ماهه ، 50 تغییر دهنده هوش مصنوعی در حال ساخت مدلی هستند که تعداد زیادی مقاله خبری آنلاین و ادعاهای اعتماد را ایجاد می کند. این مدل باید نمره را شفاف کند و همچنین به مقالات دیگر پیوند دارد تا مجموعه ای متعادل از دیدگاه ها را در مورد موضوع ارائه دهد.

مشکل

بیش از نیم میلیارد نفر در جهان به صورت آنلاین اخبار استفاده می کنند. عددی که با دسترسی بیشتر افراد به اینترنت به سرعت در حال افزایش است. در حالی که دسترسی آزاد به اطلاعات یک موفقیت باورنکردنی در دنیای دیجیتالی شده است ، عوام فریبی ایجاد و توزیع محتوا نیز منجر به گسترش سریع اطلاعات نادرست و بسیار مغرضانه شده است.

اعتماد به اخبار به شدت سقوط کرده و با آن ، دو قطبی افزایش یافته است. افراد – وقتی از قابل اعتماد بودن اطمینان ندارند – به محتوایی اعتماد می کنند که باورهای قبلی آنها را به راحتی تأیید می کند. تعصب تأیید که توسط اتاق بازتاب الگوریتمی ، به ویژه در رسانه های اجتماعی ، بیشتر افزایش می یابد.

در حالی که این یک پدیده آنلاین است ، مواردی مانند تأثیر تبلیغات نادرست در انتخابات 2016 آمریکا و گسترش اطلاعات بهداشتی نادرست در پی شیوع بیماری کرونا، تأثیر خطرناکی را که این پدیده ها می توانند بر میلیون ها نفر به صورت آفلاین داشته باشند ، برجسته کرده اند.

آنچه را که شما کار خواهید کرد:

شما به تحقق مأموریت اتاق خبر ، مبارزه با اطلاعات نادرست و ترویج تعدد آنلاین کمک خواهید کرد. هدف اتاق خبر استفاده از هوش مصنوعی برای شناسایی مقالات و ادعاهایی است که به احتمال زیاد حاوی اطلاعات نادرست یا بسیار مغرضانه هستند.

محصولات بتای آنها – NewsScore – به عنوان برنامه افزودنی مرورگر کار خواهد کرد و به کاربران ارائه می دهد:

اعتماد: نمره اطمینان برای هر مقاله ای که آنلاین می بینند ، وقتی در خبرخوان خود پیمایش می کنند ؛
شفافیت: ما مدل نمره دهی را کاملاً شفاف خواهیم کرد ، بنابراین کاربران می توانند درک کنند که چه چیزی پشت نمره داده شده به هر دارایی قرار دارد.
کثرت: ما مجموعه ای متعادل از دیدگاه ها را در مورد موضوعی که کاربران مشاهده می کنند ، ارائه خواهیم داد.
انجمن: ما راهی ارائه خواهیم داد تا کاربران بتوانند مشکلات را به ما نشان دهند.

در این چالش دو ماهه ، هدف ساخت مدلی است که نمره اعتماد را به مقاله ها و ادعاهای اخبار آنلاین اختصاص دهد و مقالات مرتبط را با مواضع مخالف شناسایی کند.

مدل نمره دهی باید بسیار قابل توضیح باشد ، بنابراین کاربران می توانند درک کنند که چه عناصری برای امتیاز داده شده در نظر گرفته شده اند. این احتمالاً به این معنی است که شما یک مدل منحصر به فرد ، بلکه مجموعه ای از مدل ها نخواهید ساخت ، که هر یک به یک قطعه خاص از معما پرداخته اند.

بنابراین چالش شامل برخی از کارهای زیر است: استخراج و تطبیق ادعا ، شناسایی نهاد ، سند و تجزیه و تحلیل احساسات در سطح موجودیت ، طبقه بندی سند ، طبقه بندی موضع و سایر موارد.

داده

ترکیبی از داده های دارای برچسب و بدون برچسب در دسترس قرار خواهد گرفت. اتاق خبر میلیون ها داده متنی بدون برچسب را از مقاله های خبری آنلاین (به زبان انگلیسی) جمع آوری کرده است که اکثر آنها ماهیت سیاسی دارند یا مربوط به همه گیری کنونی کرونا هستند.

علاوه بر این ، چندین مجموعه داده منبع باز با برچسب در دسترس قرار خواهد گرفت که شامل:

منابع طبقه بندی شده به عنوان قابل اعتماد / غیر قابل اعتماد. و جفت های مقاله / ادعا به عنوان موافق / مخالف / غیر مرتبط طبقه بندی می شوند.

بخشی از این وظیفه این خواهد بود که ارزیابی کند آیا مجموعه داده های دارای منبع باز با برچسب موجود در ساخت مدل های طبقه بندی تحت نظارت و / یا نیمه نظارت شده موثر هستند.