شناسایی و مقابله با اخبار جعلی
آرشیو
چکیده
اخبار جعلی چالش تنظیم گری پیچیده ای را در شبکه اطلاعاتی برخطی که به طور روزافزون دموکراتیک تر می شود پیش روی ما قرار می دهد. اطلاعات نادرست به سهولت توسط مدعیانی با اغراض متفاوت خلق می گردند، به سرعت توسط سکوهایی که بیشتر به جای این که به اجرای هنجارهای روزنامه نگاری بپردازند یا در راستای منافع عمومی باشند، انگیزه مالی دارند منتشر می شوند و مشتاقانه توسط کاربرانی که مایل به صحه گذاشتن بر باورهای موجود هستند رصد می گردند. با این حال حتی با افزایش آگاهی از این مشکل، به خصوص پس از انتخابات ریاست جمهوری ۲۰۱۶ میلادی ایالات متحده آمریکا، معنای اصطلاح «اخبار جعلی» به طور قابل ملاحظه ای مورد مناقشه و ترویج قرار گرفته است. این پژوهش ابتدا به چالش مورد اشاره می پردازد، سپس طبقه بندی سودمندی ارائه می دهد که انواع اخبار جعلی را طبق دو متغیر دسته بندی می کند: انگیزه خالقان آن اخبار و قصد فریفتن. به طور خاص این نوشتار چهار گروه مشخص از اخبار جعلی را از یکدیگر متمایز می کند: طنز، شوخی، پروپاگاندا، آزار اینترنتی که در ادامه به توضیح هریک از آن ها پرداخته خواهد شد. این چهارچوب تحلیلی می تواند باریک بینی بیشتری را برای مباحثه در این موضوع فراهم کند. در ادامه، پژوهش موانع و مشکلات ساختاری کلیدی را که فرآیند اصلاح و برطرف کردن هر نوع از اخبار جعلی، چه بسا با دلایل مختلف دشوار می سازد را شناسایی می کند. این ها شامل مواردی است که نویسندگان می توانند محتوای تولید شده توسط کاربران را به صورت برخط و به سهولت ارائه دهند. همچنین سهم مالی را که سکوها در برجسته کردن و انتشار مطالب دارند دربرمی گیرد. نویسندگان اغلب ترکیبی از انگیزه های مختلف را در تولید محتوا دارند که باعث می شود یک راه حل واحد برای تمامی آن ها موثر نباشد. رصدکنندگان اخبار جعلی میل محدودی به سرمایه گذاری در به چالش کشیدن یا تایید محتوای آن ها دارند. به خصوص زمانی که مطالب بر باورها و دیدگاه های موجود آن ها صحه می گذارد. درنهایت اخبار جعلی ندرتاً به تنهایی منتشر می شوند. آن ها اغلب با مطالب صحیح ادغام می گردند، به طوری که رد قاطع آن ها سخت تر می شود. سپس پژوهش اقدامات موجود و پیشنهادی را براساس چهار روش تنظیم گری «لری لسیگ» طبقه بندی می کند: قانون، کد دستوری، هنجارهای اجتماعی و بازارها. همچنین نقاط قوت و ضعف راه حل های موجود را ارزیابی می کند. درنهایت و شاید مهم تر از همه، پژوهش مجموعه ای از الگوها را که تحت چهار روش تنظیم گری، دسته بندی شده اند، ارائه می دهد که می تواند اثرات مخرب اخبار جعلی را کاهش دهد و در عین حال از منافعی چون آزادی بیان، بحث آزاد و نوآوری فرهنگی محافظت کند و با ارزیابی این الگوهای پیشنهادی که براساس داده های مربوط به چرخه انتخابات 2020 میلادی ایالات متحده آمریکا هستند پایان می یابد.Identifying and Countering Fake News
Fake news presents a complex regulatory challenge in the increasingly democratized and intermediated on-line information ecosystem. Inaccurate information is readily created by actors with varying goals, rapidly distributed by platforms motivated more by financial incentives than by journalistic norms or the public interest, and eagerly consumed by users who wish to reinforce existing beliefs. Yet even as awareness of the problem grew after the 2016 U.S. presidential election, the meaning of the term “fake news” has become increasingly disputed and diffused. This Article first addresses that definitional challenge, offering a useful taxonomy that classifies species of fake news based on two variables: their creators’ motivation and intent to deceive. In particular, it differentiates four key categories of fake news: satire, hoax, propaganda, and trolling. This analytical framework can provide greater rigor to debates over the issue. Next, the Article identifies key structural problems that make each type of fake news difficult to address, albeit for different reasons. These include the ease with which authors can produce user generated content online and the financial stakes that platforms have in highlighting and disseminating that material. Authors often have a mixture of motives in creating content, making it less likely that a single solution will be effective. Consumers of fake news have limited incentives to invest in challenging or verifying its content, particularly when the material reinforces their existing beliefs and perspectives. Finally, fake news rarely appears alone: it is frequently mingled with more accurate stories, such that it becomes harder to categorically reject a source as irredeemably flawed. Then, the Article classifies existing and proposed interventions based upon the four regulatory modalities catalogued by Larry Lessig: law, architecture (code), social norms, and markets. It assesses the potential and shortcomings of extant solutions. Finally—and perhaps most importantly—the Article offers a set of model interventions, classified under the four regulatory modalities, that can reduce the harmful effects of fake news while protecting interests such as free expression, open debate, and cultural creativity. It closes by assessing these proposed interventions based upon data from the 2020 election cycle.