Una storia su Reddit chiede, "I palestinesi hanno riconosciuto il Texas come parte del Messico?" L'origine della storia potrebbe essere dubbia, ma non impedisce alla storia delle "fake news" di accumulare 1,5 milioni di Mi piace su più piattaforme in soli quattro giorni. Il dilemma delle fake news risale a secoli fa, secondo Politico, ma il progresso della tecnologia e l'ascesa dei social media, ora è allo zenit.

Il problema delle fake news affascina Shivam Parikh, uno studente di dottorato presso il College of Engineering and Applied Sciences di UAlbany. Parikh, lavorando con il professore associato di informatica Pradeep Atrey, recentemente presentato sull'argomento all'IEEE 1st International Conference on Multimedia Information Processing and Retrieval. La loro carta, "Rilevamento di notizie false ricche di media:un sondaggio, " esamina le sfide associate al rilevamento di notizie false, approcci di rilevamento esistenti che sono fortemente basati sull'analisi basata sul testo, e popolari set di dati di notizie false.

Le fake news possono essere qualsiasi contenuto non veritiero e generato per convincere i suoi lettori a credere in qualcosa che non è vero, disse Parikh, che lavora come analista sviluppatore di sistemi per ITS presso UAlbany.

La sfida per il rilevamento di notizie false arriva con la democratizzazione delle fonti di notizie, e come la tecnologia moderna rende facile condividere articoli di notizie nell'era dei social media.

Parikh e Atrey hanno deciso di affrontare diversi pezzi critici del puzzle delle "notizie false" con il loro articolo:

• Le diverse piattaforme che possono essere utilizzate per diffondere i contenuti in modo efficace e capillare;
• I tipi di articoli di notizie di dati possono contenere, e l'impatto di ciascun tipo di dati sui lettori;
• I diversi tipi di categorie di notizie false;
• Metodi esistenti di rilevamento di notizie false; e
• Set di dati attuali disponibili per il rilevamento di notizie false.

I ricercatori concludono evidenziando le sfide della ricerca aperta nell'area del rilevamento di notizie false.

Nel 2017, due terzi degli adulti statunitensi ricevono notizie dai social media, un salto del 5 per cento rispetto al 2016, secondo Reuters. Non sorprendentemente, questo rappresenta una benedizione e una maledizione per personaggi come Facebook e Twitter:la statistica rappresenta la popolarità delle piattaforme così come il loro ruolo come fonti primarie per la diffusione di fake news.

Ma mentre i giganti dei social media sono alle prese con l'uso improprio delle loro piattaforme, devono anche confrontarsi con la natura scoraggiante del loro compito. Le notizie false possono assumere molte forme, comprese le immagini photoshoppate, contenuti falsi generati dagli utenti o account falsificati, contenuto basato sulla rete progettato per fare appello a una particolare organizzazione o gruppo, così come storie basate sulla conoscenza che contengono una spiegazione scientifica o ragionevole di questioni irrisolte, spesso con conseguente diffusione di informazioni false.

Ma mentre il compito di rilevare notizie false può sembrare scoraggiante, ci sono diversi metodi promettenti a disposizione dei ricercatori. Parikh e Atrey presentano una categorizzazione di questi approcci, le loro caratteristiche chiave e quindi analizzare i rispettivi vantaggi e limiti.

Questi metodi includono approcci che analizzano le caratteristiche linguistiche delle storie per estrarre modelli chiave nelle notizie false, o modellazione dell'inganno, che è il processo di raggruppamento di storie ingannevoli contro storie veritiere. Altri approcci includono lo sviluppo di modelli predittivi che possono assegnare coefficienti positivi o negativi che possono aumentare o diminuire la probabilità della verità di una storia; o analisi dei segnali di contenuto, che si basa sull'ideologia di ciò che i giornalisti amano scrivere per gli utenti e di ciò che gli utenti amano leggere.

Fortunatamente, i ricercatori hanno ampio accesso agli archivi di articoli di "notizie false" sotto forma di set di dati disponibili al pubblico, come BuzzFeedNews o LIAR. Ma mentre ciascuno dei set di dati offre ampie opportunità per studiare modelli di rilevamento linguistico, nessuno possiede un metodo per analizzare le foto, Per esempio.

"La presentazione visiva gioca un ruolo enorme nelle persone che credono nei contenuti di notizie false. Ciò richiede la verifica non solo del linguaggio, ma immagini, Audio, contenuto incorporato, come video incorporato, twitta, Post di Facebook e collegamenti ipertestuali, " ha detto Parik.

Parikh sostiene anche un metodo di rilevamento in grado di verificare la fonte della notizia, e considerare l'affidabilità o la validità della fonte una volta determinata. Un controllo della credibilità dell'autore può svolgere una funzione simile, dove un sistema può essere utilizzato per rilevare catene di notizie false scritte dallo stesso autore o dallo stesso gruppo di autori.

Parikh sa di aver solo scalfito la superficie dell'argomento. Ancora, è determinato ad esplorare la questione mentre persegue il suo dottorato alla UAlbany.