Duncan Watt, un Penn Integrates Knowledge Professor e sociologo computazionale con incarichi alla Annenberg School for Communication, Scuola di Ingegneria e Scienze Applicate e la Wharton School, ha pubblicato un nuovo quadro per lo studio del pregiudizio dei media e della disinformazione. Pubblicando questa settimana nel Atti dell'Accademia Nazionale delle Scienze e co-autore di colleghi di Microsoft Research, il documento descrive un'agenda di ricerca ambiziosa e completa per comprendere le origini, natura, e prevalenza della disinformazione e del suo impatto sulla democrazia.

La frase "fake news" è entrata a far parte del lessico, stimolato dalla copertura di notizie di falsi annunci politici e bot di Twitter e dalle preoccupazioni per il loro ruolo nei movimenti politici populisti come la Brexit e le elezioni presidenziali del 2016. Queste storie hanno innescato un'enorme quantità di ricerche, con la pubblicazione di migliaia di giornali che cercavano di capire come si diffondessero le fake news.

"Questa enorme attenzione alle menzogne ​​​​aperte che circolano sui social media è stata inquietante, ma mancava qualcosa, " dice Watts. "E quel qualcosa è questa concezione molto più ampia di disinformazione".

Watts spiega che la disinformazione include più di semplici bugie e falsità perché ci sono anche modi più sottili in cui le persone possono essere fuorviate. Ciò include la raccolta di dati cherry, interpretare erroneamente la relazione tra correlazione e causalità, o anche semplicemente presentare i fatti in un modo particolare, tattiche che possono portare le persone a conclusioni errate senza fallire tecnicamente a un fact check.

Anche la disinformazione non è qualcosa che è limitato ai social media, lui dice, con la televisione, Radio, e anche le pubblicazioni cartacee giocano un ruolo importante. "Tutte le ricerche che sono state fatte su Twitter superano di gran lunga la quantità di ricerche che sono state fatte in TV negli ultimi quattro anni, eppure la TV è una più grande fonte di informazioni relative alla politica per i tipici americani di quanto non lo sia Twitter".

A tal fine, Watts e i suoi coautori descrivono quattro obiettivi specifici che consentirebbero alle comunità di ricerca e alle agenzie di finanziamento di affrontare questi tipi di questioni complesse:

Costruisci un'infrastruttura dati su larga scala

Il primo passo, Watts dice, è costruire un'infrastruttura di ricerca per raccogliere, organizzare, pulire, e rendere i dati disponibili e accessibili alla più ampia comunità di ricerca. È simile ad altri sforzi di ricerca su larga scala, come il Large Hadron Collider, dove una comunità di scienziati si unisce per lavorare su un singolo strumento o progetto che genera dati per un intero campo di ricercatori.

"Se vuoi guardare tutto ciò che viene prodotto in televisione, Radio, e il web e fare domande, non c'è modo di rispondere adesso, " dice Watts. "Non esiste alcuna infrastruttura per raccogliere quei dati, e anche solo raccogliere quei dati è un'impresa enorme".

Stabilire un modello di "collaborazione di massa"

Con una solida infrastruttura dati in atto, il prossimo obiettivo è massimizzarne il valore coordinando gli sforzi di più gruppi di ricerca. Invece di lavorare su singoli set di dati che sono curati e analizzati da un individuo o da un gruppo, questo modello di lavoro fornisce un modo per studiare i problemi in modo più olistico.

Questa strategia potrebbe anche aiutare i ricercatori a lavorare in modo più efficace su problemi su larga scala, migliorare la replicabilità degli studi, e aiutare i gruppi a costruire sulla conoscenza cumulativa che potrebbe poi essere applicata al di fuori del mondo accademico, dice Watt.

Comunicare con le parti interessate

È importante educare i membri del pubblico sulle loro scoperte, Watts dice, ed è anche fondamentale rendere i dati accessibili e pertinenti.

"Informare il pubblico è una cosa preziosa da fare, ma non è qualcosa che abbiamo molti incentivi a fare come accademici, "dice Watt, aggiungendo che diversi modi per raggiungere questo obiettivo potrebbero includere la pubblicazione di versioni "vive" di documenti di ricerca sotto forma di dashboard di dati.

Sviluppare partnership accademiche-industriali

"Sarebbe già un grande passo per persone di diverse discipline e istituzioni lavorare insieme su un set di dati comune, ma, se vogliamo davvero risolvere i problemi del mondo, dobbiamo fare di più che capire le cose. Dobbiamo anche cercare di progettare interventi che influenzino l'esperienza delle persone su piattaforme reali e misurarne le conseguenze, " lui dice.

Dalla collaborazione con gli informatici per migliorare l'equità degli algoritmi al lavoro con i giornalisti per aiutarli a capire come il loro lavoro influenza l'opinione pubblica, impegnarsi con partner esterni al mondo accademico è essenziale per affrontare la disinformazione, Watts dice.

Per consolidare e accelerare il lavoro verso il raggiungimento di questi obiettivi, Il mese scorso Watts ha lanciato il Computational Social Science Lab alla Penn. Aprirà ufficialmente i battenti all'inizio del prossimo anno accademico. La sua ricerca in corso include lo studio della prevalenza di contenuti radicali su YouTube, valutare come il consumo dei media è passato dalla TV in diretta alle piattaforme di streaming, gli impatti delle camere d'eco, identificare e monitorare i pregiudizi nella copertura mediatica, e una serie di progetti con fornitori di dati per migliorare la qualità dei dati in modo che i ricercatori possano analizzare più facilmente e dare un senso a questi set di dati complessi.

"Molti ricercatori possono quindi iniziare a utilizzare questi dati, e quindi la quantità di ricerca generata da questa infrastruttura aumenta di 100 o cento volte. Penso che sarà la vera innovazione, " dice. "Ci sono molte domande là fuori, e vorremmo essere in grado di aiutare molte persone a rispondere a queste domande".