• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Otro
    Hacia una mejor comprensión de las noticias falsas

    Crédito:Pixabay / CC0 Public Domain

    Duncan Watts, un profesor de Penn Integrates Knowledge y científico social computacional con nombramientos en la Escuela de Comunicación de Annenberg, Escuela de Ingeniería y Ciencias Aplicadas y Wharton School, ha publicado un nuevo marco para estudiar el sesgo y la desinformación de los medios. Publicando esta semana en el procedimientos de la Academia Nacional de Ciencias y en coautoría con colegas de Microsoft Research, El documento describe una agenda de investigación ambiciosa y completa para comprender los orígenes, naturaleza, y prevalencia de desinformación y su impacto en la democracia.

    La frase "noticias falsas" se ha convertido en parte del léxico, estimulado por la cobertura de noticias de anuncios políticos falsos y bots de Twitter y por las preocupaciones sobre su papel en movimientos políticos populistas como el Brexit y las elecciones presidenciales de 2016. Estas historias provocaron una enorme cantidad de investigación, con la publicación de miles de artículos que intentaban comprender cómo se difundían las noticias falsas.

    "Este enfoque abrumador en las mentiras directas que circulan en las redes sociales fue perturbador, pero faltaba algo, "dice Watts." Y ese algo es esta concepción mucho más amplia de desinformación ".

    Watts explica que la desinformación incluye más que mentiras y falsedades porque también hay formas más sutiles en las que las personas pueden ser engañadas. Esto incluye la selección de datos, malinterpretar la relación entre correlación y causalidad, o incluso simplemente presentando hechos de una manera particular, tácticas que pueden llevar a las personas a una conclusión falsa sin fallar técnicamente una verificación de hechos.

    La desinformación tampoco es algo que se limite a las redes sociales, él dice, con television, radio, y las publicaciones impresas también juegan un papel importante. "Toda la investigación que se ha realizado en Twitter supera con creces la cantidad de investigación que se ha realizado en la televisión en los últimos cuatro años, y, sin embargo, la televisión es una fuente más importante de información relacionada con la política para los estadounidenses típicos que Twitter ", dice Watts." Realmente tenemos que pensar mucho más en profundidad sobre las partes del ecosistema de información que podrían estar causando algunos de estos problemas ".

    Para tal fin, Watts y sus coautores describen cuatro objetivos específicos que permitirían a las comunidades de investigación y agencias de financiación abordar este tipo de preguntas complejas:

    Construya una infraestructura de datos a gran escala

    El primer paso, Watts dice, es construir una infraestructura de investigación para recopilar, organizar, limpio, y hacer que los datos estén disponibles y accesibles a la comunidad de investigadores en general. Es similar a otros esfuerzos de investigación a gran escala, como el Gran Colisionador de Hadrones, donde una comunidad de científicos se une para trabajar en un solo instrumento o proyecto que genera datos para todo un campo de investigadores.

    "Si quieres ver todo lo que se produce en televisión, radio, y la web y hacer preguntas, no hay forma de responderlas ahora mismo, "dice Watts." No existe ninguna infraestructura para recopilar esos datos, e incluso recopilar esos datos es una tarea enorme ".

    Establecer un modelo de 'colaboración masiva'

    Con una sólida infraestructura de datos en su lugar, el siguiente objetivo es maximizar su valor coordinando los esfuerzos de múltiples grupos de investigación. En lugar de trabajar en conjuntos de datos únicos seleccionados y analizados por un individuo o grupo, este modelo de trabajo proporciona una forma de estudiar los problemas de manera más integral.

    Esta estrategia también podría ayudar a los investigadores a trabajar de manera más eficaz en problemas a gran escala, mejorar la replicabilidad de los estudios, y ayudar a los grupos a construir sobre el conocimiento acumulado que luego podría aplicarse fuera de la academia, dice Watts.

    Comunicarse con las partes interesadas

    Es importante educar al público sobre sus hallazgos, Watts dice:y también es fundamental hacer que los datos sean accesibles y relevantes.

    "Informar al público es algo valioso, pero no es algo que tengamos muchos incentivos para hacer como académicos, "dice Watts, y agregó que las diferentes formas de lograr este objetivo podrían incluir la publicación de versiones "vivas" de artículos de investigación en forma de paneles de datos.

    Desarrollar asociaciones entre el sector académico y la industria

    "Ya sería un gran paso para personas de diferentes disciplinas e instituciones trabajar juntas en un conjunto de datos común, pero, si queremos resolver los problemas del mundo, tenemos que hacer algo más que entender las cosas. También tenemos que intentar diseñar intervenciones que afecten la experiencia de las personas en plataformas reales y medir las consecuencias, " él dice.

    Desde colaborar con científicos informáticos para mejorar la equidad de los algoritmos hasta trabajar con periodistas para ayudarlos a comprender cómo su trabajo influye en la opinión pública, Comprometerse con socios fuera del mundo académico es esencial para abordar la desinformación, Dice Watts.

    Consolidar y acelerar el trabajo hacia la consecución de estos objetivos, Watts lanzó el Laboratorio de Ciencias Sociales Computacionales en Penn el mes pasado. Abrirá oficialmente sus puertas a principios del próximo curso académico. Su investigación en curso incluye estudiar la prevalencia del contenido radical en YouTube, evaluar cómo el consumo de medios ha cambiado de la televisión en vivo a las plataformas de transmisión, los impactos de las cámaras de eco, identificar y rastrear sesgos en la cobertura de los medios, y una serie de proyectos con proveedores de datos para mejorar la calidad de los datos de modo que los investigadores puedan analizar más fácilmente y dar sentido a estos conjuntos de datos complejos.

    "Muchos investigadores pueden empezar a utilizar estos datos, y luego la cantidad de investigación que genera esta infraestructura se multiplica por cien o cien. Creo que esa será la verdadera innovación, ", dice." Hay muchas preguntas por ahí, y nos gustaría poder ayudar a muchas personas a responder esas preguntas ".


    © Ciencia https://es.scienceaq.com