नकली खेल के स्क्रीनशॉट। मिहाई अव्राम और फिलिपो मेनसेज़र

सोशल मीडिया में से हैं अमेरिका में समाचार के प्राथमिक स्रोत और दुनिया भर में। फिर भी उपयोगकर्ताओं सहित संदिग्ध सटीकता की सामग्री के संपर्क में हैं कॉन्सपिरेसी थ्योरी, clickbait, हाइपरपार्टिसन सामग्री, छद्म विज्ञान और भी निर्मित "नकली समाचार" रिपोर्ट.

यह आश्चर्य की बात नहीं है कि प्रकाशित बहुत अधिक जानकारी है: स्पैम और ऑनलाइन धोखाधड़ी अपराधियों के लिए आकर्षक हैं, और सरकार और राजनीतिक प्रचार उपज दोनों पार्टिसन और वित्तीय लाभ। लेकिन तथ्य यह है कि कम विश्वसनीयता सामग्री इतनी जल्दी और आसानी से फैलती है सुझाव देता है कि सोशल मीडिया प्लेटफॉर्म के पीछे लोग और एल्गोरिदम मैनिपुलेशन के लिए कमजोर हैं।

हमारे शोध ने तीन प्रकार के पूर्वाग्रहों की पहचान की है जो सोशल मीडिया पारिस्थितिकी तंत्र को जानबूझकर और आकस्मिक गलत जानकारी दोनों के लिए कमजोर बनाती हैं। यही कारण है कि हमारा सामाजिक मीडिया पर वेधशाला इंडियाना विश्वविद्यालय में इमारत है उपकरण लोगों को इन पूर्वाग्रहों से अवगत होने में मदद करने और उन्हें स्वयं का शोषण करने के लिए डिजाइन किए गए बाहरी प्रभावों से बचाने में मदद करने के लिए।

सोशल मीडिया पर वेधशाला में विकसित उपकरणों की व्याख्या करना:

{यूट्यूब}https://youtu.be/BIv9054dBBI{/youtube}

मस्तिष्क में बाईस

संज्ञानात्मक पूर्वाग्रह इस तरह से उत्पन्न होते हैं कि मस्तिष्क उस सूचना को संसाधित करता है जो हर व्यक्ति हर दिन मुठभेड़ करता है। मस्तिष्क केवल एक सीमित मात्रा में जानकारी के साथ सौदा कर सकता है, और बहुत से आने वाली उत्तेजना का कारण बन सकता है जानकारी अधिभार। सोशल मीडिया पर जानकारी की गुणवत्ता के लिए स्वयं में गंभीर प्रभाव पड़ता है। हमने पाया है कि उपयोगकर्ताओं के सीमित ध्यान के लिए खड़ी प्रतिस्पर्धा का मतलब है कुछ विचार उनकी कम गुणवत्ता के बावजूद वायरल जाते हैं - यहां तक ​​कि जब लोग उच्च गुणवत्ता वाली सामग्री साझा करना पसंद करते हैं.

अभिभूत होने से बचने के लिए, मस्तिष्क एक का उपयोग करता है चाल की संख्या। ये विधियां आमतौर पर प्रभावी होती हैं, लेकिन यह भी हो सकती हैं पूर्वाग्रह बनें जब गलत संदर्भों में लागू होता है।

एक संज्ञानात्मक शॉर्टकट तब होता है जब कोई व्यक्ति यह निर्णय लेता है कि उनकी सोशल मीडिया फ़ीड पर दिखाई देने वाली कहानी साझा करना है या नहीं। लोग है एक शीर्षक के भावनात्मक अर्थों से बहुत प्रभावित है, भले ही यह किसी लेख की सटीकता का अच्छा संकेतक न हो। अधिक महत्वपूर्ण है किसने टुकड़ा लिखा था.

इस पूर्वाग्रह का मुकाबला करने के लिए, और लोगों को साझा करने से पहले दावा के स्रोत पर अधिक ध्यान देने में सहायता करें, हमने विकसित किया Fakey, एक मोबाइल समाचार साक्षरता खेल (मुफ्त पर Android और iOS) मुख्यधारा और कम विश्वसनीयता वाले स्रोतों से समाचार लेखों के मिश्रण के साथ, एक सामान्य सोशल मीडिया समाचार फ़ीड का अनुकरण करते हैं। विश्वसनीय स्रोतों से समाचार साझा करने और तथ्यों की जांच के लिए संदिग्ध सामग्री को ध्वजांकित करने के लिए खिलाड़ियों को अधिक अंक मिलते हैं। इस प्रक्रिया में, वे स्रोत विश्वसनीयता की संकेतों को पहचानना सीखते हैं, जैसे हाइपरपार्टिसन दावे और भावनात्मक रूप से चार्ज की गई शीर्षक।

समाज में बाईस

पूर्वाग्रह का एक और स्रोत समाज से आता है। जब लोग सीधे अपने साथियों से जुड़ते हैं, तो सामाजिक पूर्वाग्रह जो उनके दोस्तों के चयन को मार्गदर्शन करते हैं, वे जो जानकारी देखते हैं उन्हें प्रभावित करते हैं।

वास्तव में, हमारे शोध में हमने पाया है कि यह संभव है एक ट्विटर उपयोगकर्ता की राजनीतिक झुकाव निर्धारित करें बस अपने दोस्तों की पक्षपातपूर्ण प्राथमिकताओं को देखकर। इनकी संरचना का हमारा विश्लेषण पार्टिसन संचार नेटवर्क पाया गया सोशल नेटवर्क जानकारी प्रसारित करने में विशेष रूप से कुशल हैं - सटीक या नहीं - कब वे एक साथ निकटता से बंधे हैं और समाज के अन्य हिस्सों से डिस्कनेक्ट हैं.

जानकारी को अधिक अनुकूल तरीके से मूल्यांकन करने की प्रवृत्ति अगर यह अपनी सामाजिक मंडलियों के भीतर से आती है तो "गूंज कक्षों"जो हेरफेर के लिए परिपक्व हैं, या तो जानबूझकर या अनजाने में। यह समझाने में मदद करता है कि इतनी सारी ऑनलाइन बातचीत क्यों भंग हो जाती है "हम उन्हें बनाम" टकराव.

अध्ययन करने के लिए कि कैसे ऑनलाइन सोशल नेटवर्क्स की संरचना उपयोगकर्ताओं को विघटन के लिए कमजोर बनाती है, हमने बनाया Hoaxy, एक प्रणाली जो कम विश्वसनीयता वाले स्रोतों से सामग्री के प्रसार को ट्रैक और विज़ुअलाइज़ करती है, और यह तथ्य-जांच सामग्री के साथ कैसे प्रतिस्पर्धा करती है। 2016 अमेरिकी राष्ट्रपति चुनाव के दौरान होक्सी द्वारा एकत्र किए गए आंकड़ों के हमारे विश्लेषण से पता चलता है कि ट्विटर खाते में साझा गलत सूचनाएं थीं लगभग पूरी तरह से काटा तथ्य-जांचकर्ताओं द्वारा किए गए सुधारों से।

जब हम गलत जानकारी फैलाने वाले खातों पर ड्रिल करते थे, तो हमने कई बॉट्स सहित एक दूसरे को फिर से ट्वीट करने वाले खातों का एक बहुत घना कोर समूह पाया। गलत सूचना वाले उपयोगकर्ताओं में तथ्यों की जांच करने वाले संगठनों को कभी भी उद्धृत या वर्णित किया गया था, जब वे अपनी वैधता पर सवाल उठाते थे या जो उन्होंने लिखा था उसके विपरीत दावा करते थे।

मशीन में बाईस

पूर्वाग्रह का तीसरा समूह सीधे एल्गोरिदम से उत्पन्न होता है ताकि यह निर्धारित किया जा सके कि लोग ऑनलाइन क्या देखते हैं। सोशल मीडिया प्लेटफॉर्म और सर्च इंजन दोनों ही उन्हें नियोजित करते हैं। इन वैयक्तिकरण प्रौद्योगिकियों को प्रत्येक व्यक्तिगत उपयोगकर्ता के लिए केवल सबसे आकर्षक और प्रासंगिक सामग्री चुनने के लिए डिज़ाइन किया गया है। लेकिन ऐसा करने में, यह उपयोगकर्ताओं के संज्ञानात्मक और सामाजिक पूर्वाग्रहों को मजबूत कर सकता है, जिससे उन्हें हेरफेर के लिए और भी कमजोर बना दिया जा सकता है।

उदाहरण के लिए, विस्तृत कई सोशल मीडिया प्लेटफार्मों में निर्मित विज्ञापन उपकरण विद्रोह प्रचारकों का शोषण करते हैं पुष्टि पूर्वाग्रह by सिलाई संदेश उन लोगों के लिए जो पहले से ही उन पर विश्वास करने के इच्छुक हैं।

साथ ही, यदि कोई उपयोगकर्ता अक्सर किसी विशेष समाचार स्रोत से फेसबुक लिंक पर क्लिक करता है, तो फेसबुक होगा उस व्यक्ति की उस सामग्री की अधिक जानकारी दिखाने के लिए प्रवृत्त होते हैं। यह तथाकथित "फिल्टर बुलबुला"प्रभाव विभिन्न दृष्टिकोणों से लोगों को अलग कर सकता है, पुष्टि पूर्वाग्रह को मजबूत करता है।

हमारे अपने शोध से पता चलता है कि सोशल मीडिया प्लेटफ़ॉर्म उपयोगकर्ताओं को विकिपीडिया जैसी गैर-सोशल मीडिया साइटों की तुलना में स्रोतों के कम विविध सेट पर प्रदर्शित करता है। चूंकि यह एक पूरे मंच के स्तर पर है, एक उपयोगकर्ता के नहीं, हम इसे कहते हैं समरूपता पूर्वाग्रह.

सोशल मीडिया का एक और महत्वपूर्ण घटक सूचना है जो प्लेटफॉर्म पर चल रहा है, जो कि अधिकतर क्लिक प्राप्त कर रहा है। हम इसे कहते हैं लोकप्रियता पूर्वाग्रह, क्योंकि हमने पाया है कि लोकप्रिय सामग्री को बढ़ावा देने के लिए डिज़ाइन किया गया एल्गोरिदम प्लेटफ़ॉर्म पर जानकारी की समग्र गुणवत्ता को नकारात्मक रूप से प्रभावित कर सकता है। यह मौजूदा संज्ञानात्मक पूर्वाग्रहों में भी फ़ीड करता है, जो इसकी गुणवत्ता के बावजूद लोकप्रिय प्रतीत होता है।

इन सभी एल्गोरिदमिक पूर्वाग्रहों द्वारा छेड़छाड़ की जा सकती है सामाजिक बॉट्स, कंप्यूटर प्रोग्राम जो सोशल मीडिया खातों के माध्यम से मनुष्यों के साथ बातचीत करते हैं। ट्विटर की तरह अधिकांश सामाजिक बॉट ब्रिटेन की संसद के सदनों में लगी बड़ी घंटीहानिरहित हैं। हालांकि, कुछ अपनी असली प्रकृति को छुपाते हैं और दुर्भावनापूर्ण इरादों के लिए उपयोग किए जाते हैं, जैसे कि विघटन को बढ़ावा देना या झूठा एक जमीनी आंदोलन की उपस्थिति बनाते हैं, जिसे "एस्ट्रोटर्फिंग" भी कहा जाता है। हमने पाया इस प्रकार के हेरफेर के सबूत 2010 यूएस मध्यवर्ती चुनाव के लिए रन-अप में।

इन हेरफेर रणनीतियों का अध्ययन करने के लिए, हमने सामाजिक बॉट्स का पता लगाने के लिए एक उपकरण विकसित किया Botometer। बोटोमीटर ट्विटर खातों की हजारों अलग-अलग विशेषताओं का निरीक्षण करके, बॉट खातों का पता लगाने के लिए मशीन लर्निंग का उपयोग करता है, जैसे कि इसकी पोस्ट के समय, कितनी बार यह ट्वीट होता है, और इसके बाद के खाते और रिवाज होते हैं। यह सही नहीं है, लेकिन यह पता चला है कि जितने भी ट्विटर खातों के 15 प्रतिशत बॉट होने के संकेत दिखाते हैं.

होमेक्सी के साथ संयोजन में बोटोमीटर का उपयोग करके, हमने 2016 यूएस राष्ट्रपति अभियान के दौरान गलत सूचना नेटवर्क के मूल का विश्लेषण किया। हमने अपने पीड़ितों और ट्विटर के एल्गोरिदमिक पूर्वाग्रहों की संज्ञानात्मक, पुष्टि और लोकप्रियता पूर्वाग्रह दोनों का शोषण करने वाले कई बॉट पाए।

ये बॉट कमजोर उपयोगकर्ताओं के आसपास फ़िल्टर बुलबुले बनाने में सक्षम हैं, उन्हें झूठे दावों और गलत जानकारी खिला रहे हैं। सबसे पहले, वे उन मानवीय उपयोगकर्ताओं का ध्यान आकर्षित कर सकते हैं जो उम्मीदवार के हैशटैग को ट्वीट करके या व्यक्ति का उल्लेख और पुन: ट्वीट करके किसी विशेष उम्मीदवार का समर्थन करते हैं। फिर बॉट कुछ कम खोजशब्दों से मेल खाने वाले कम-विश्वसनीयता वाले स्रोतों से लेखों को दोबारा ट्वीट करके विरोधियों को झूठ बोलने वाले झूठे दावों को बढ़ा सकते हैं। यह गतिविधि अन्य उपयोगकर्ताओं के लिए एल्गोरिदम हाइलाइट भी करती है जो झूठी कहानियां व्यापक रूप से साझा की जा रही हैं।

जटिल भेद्यता को समझना

यहां तक ​​कि हमारे शोध, और अन्य 'के रूप में, यह दिखाता है कि सोशल मीडिया पर व्यक्तियों, संस्थानों और यहां तक ​​कि पूरे समाजों का उपयोग कैसे किया जा सकता है, वहां कई सवाल जवाब देने के लिए छोड़ दिया। यह जानना महत्वपूर्ण है कि ये अलग-अलग पूर्वाग्रह एक-दूसरे के साथ कैसे बातचीत करते हैं, संभावित रूप से अधिक जटिल भेद्यताएं पैदा करते हैं।

हमारे जैसे उपकरण इंटरनेट उपयोगकर्ताओं को विसंगति के बारे में अधिक जानकारी प्रदान करते हैं, और इसलिए इसके नुकसान से कुछ डिग्री सुरक्षा प्रदान करते हैं। समाधान होगा संभवतः तकनीकी नहीं हो सकता हैहालांकि, उनके लिए शायद कुछ तकनीकी पहलू होंगे। लेकिन उन्हें ध्यान में रखना चाहिए संज्ञानात्मक और सामाजिक पहलुओं समस्या का।

लेखक के बारे में

जियोवानी लुका सीआम्पैग्लिया, सहायक अनुसंधान वैज्ञानिक, इंडियाना यूनिवर्सिटी नेटवर्क साइंस इंस्टीट्यूट, इंडियाना विश्वविद्यालय और फिलिपो मेनसेजर, कंप्यूटर विज्ञान और सूचना विज्ञान के प्रोफेसर; सेंटर फॉर कॉम्प्लेक्स नेटवर्क्स एंड सिस्टम्स रिसर्च के निदेशक, इंडियाना विश्वविद्यालय

यह आलेख मूलतः पर प्रकाशित हुआ था वार्तालाप। को पढ़िए मूल लेख.

संबंधित पुस्तकें

at

आने के लिए धन्यवाद InnerSelf.com, वहां हैं जहां 20,000 + "नए दृष्टिकोण और नई संभावनाओं" को बढ़ावा देने वाले जीवन-परिवर्तनकारी लेख। सभी आलेखों का अनुवाद किया गया है 30+ भाषाएँ. सदस्यता साप्ताहिक रूप से प्रकाशित होने वाली इनरसेल्फ मैगज़ीन और मैरी टी रसेल की डेली इंस्पिरेशन के लिए। InnerSelf पत्रिका 1985 से प्रकाशित हो रहा है।