ȘTIRILE FALSE ȘI DEZINFORMAREA

DIGITALĂ
Lector univ. dr. Flavia Durach
 Conținut

Diseminare

Utilizatori
Fake news nu sunt o îngrijorare complet nouă!
• Harper’s magazine - 1925 (articolul “Fake news and the public”), în
contextul apariției telegrafului (apud Lazer et al., 2017):

“De îndată ce falsificatorul de știri obține accesul la tehnologia

telegrafului, nici cei mai cinsitiți editori din lume nu vor putea să
repare răul făcut de el. Editorul care va primi știrea prin telegraf nu
are cum să verifice dacă este autoentică, așa cum se poate face în
cazul unui reportaj local.”
Tipologie fake news
(1)

Source: Wardle & Derakhshan, 2017, 5

Tipologie fake news (2)
• Tandoc, Lim, and Ling (2018)
• Criterii: gradul de adevăr (facticity) + intenția de a induce în eroare (intention to deceive)
• din intersecția celor 2 criterii rezultă 6 forme de fake news

• Grad ridicat de adevăr + intenția de a induce în eroare

 Native advertising (O formă de publicitate ce îmbracă forma vizuală a mediului/canalului
unde este publicată, iar reclama efectivă devine parte din conținut)
 Propaganda

• Grad scăzut de adevăr + intenția de a induce în eroare

 Conținut manipulat (foto, video false, știri reale cărora li se modifică anumite detalii)
 Conținut fabricat (știri complet false)

• Grad ridicat de adevăr + nu are intenția de a induce în eroare

 Satira politică (ex. Starea Nației)

Grad scăzut de adevăr + nu are intenția de a induce în eroare

 Parodia politică (ex. Cațavencii)
Dezinformarea în mediul online
• Expresia contemporană a mai vechiului fenomen al dezinformării și
propagandei, cu distincția importantă că
• este inseparabilă în raport cu dezvoltarea platformelor digitale
• se bazează într-o mare măsură pe progresul tehnologiei, pe
funcționarea algoritmică și pe exploatarea seriilor mari de date
• ”fake news”- termen umbrelă pentru practicile de dezinformare în mediul
online
• Mix de probleme
• Mesajul în sine
• Mijlocul prin care este diseminat
• Tehnologia din spate
• Comportamentul digital care permite viralizarea sa
Infocalipsa?
• Deepfakes = deep learning + fake (AI)
• Deep learning: algoritmi care învață să ia decizii singuri

• Inside the race to beat 'deepfakes' in 2020

https://www.youtube.com/watch?v=MoHLM4XMJcQ

• It’s Getting Harder to Spot a Deep Fake Video

https://www.youtube.com/watch?v=gLoI9hAX9dw

• Lil Miquela And The Rise Of Digital Models

https://www.youtube.com/watch?v=ig8ZnFt3UPA

• Face2Face: Real-time Face Capture and Reenactment of RGB Videos

https://www.youtube.com/watch?v=ohmajJTcpNk
Infocalipsa?
• Companiile digitale se pregătesc să lupte cu deep fakes
• Tehnologia GAN= generative adversarial network
• Rețele neurale robotice care concurează una împotriva celeilalte – învățare algoritmică;
stimularea ”imaginației” AI
• Utilizată și pentru îmbunătățirea tehnologiei deep fake, și pt îmbunătățirea tehnologiei de
detecție
• Detectori de fake news – trebuie să țină pasul cu rafinarea tehnologiei din
spatele deep fakes
• Cercetare: Google, Facebook
• Schimbări continue
• Utilizarea deep fakes: (încă) relativ rar în scopuri de dezinformare. Ft frecvent:
umor, scop didactic, (multă) pornografie
Fake news = dezinformare. Dezinformare
digitală
• Schimbările din ecosistemul media
• Proliferarea rapidă a website-urilor de știri și a platformelor online
de opinie
• social media
• Modificarea modului în care cetățenii consumă știri
• Schimbarea modelului de afaceri în doemniului jurnalismului
• Noile canale de distribuție a știrilor se dezvoltă mai repede decât avem
noi capacitatea să le înțelegem și să le controlăm
• Vulnerabilitatea societăților democratice la dezinformare (multiplicitatea
de voci)
Factori agravanți- schimbarea modului în care se
consumă știrile

• Neîncredere ronică în jurnalimul tradițional (Tsfati, 2010)

• Surse alternative de știri(Tsfati & Cappella, 2003)
• Global Media Influence Survey – încrederea în media tradiționale ca cea mai
bună sursă de știri de la 72% - 2016, la 50.4% în 2018
Reuters Institute Research 2019
Reuters Institute Research 2019
Reuters Institute Research 2019
Efecte ale știrilor false
• Efecte cu potențial negativ
• Scăderea încrederii în media
• Scăderea încrederii în jurnaliști
• Creșterea cinismului politic
• Scăderea încrederii în democrație
• Afectarea proceselor democratice
• Polarizarea opiniei
• Decizii proaste (ex: antivaciniștii)
• Efectul celei de-a treia persoane
• Privind vulnerabilitatea la știri false
• Privind expunerea la știri false
SOCIAL MEDIA ȘI
DEZINFORMAREA
Filter bubbles
Echochambers
Viralizarea intenționată și neintenționată a dezinformării
• Colectarea de big data  targetare precisă
• Social media- megafonul oricui este capabil să atragă fani/
followers
• Nouă structură de putere capabilă să distribuie mari volume
de informații, inclusiv știri false
• Cu cât auzim o informație de mai multe ori, cu atât mai
familiară devine, și cu atât suntem mai înclinați să îi dăm
crezare
• Puterea și periculozitatea dezinformării online derivă din:
abundența surselor, crearea de bule/ camere de rezonanță
informațională (echo chambers & filter bubbles
• Lipsa unei realități comun împărtașite societate divizată,
fragmentară
Polarizarea opiniei în mediul online
• Conținutul partizan, fake sau nu, restructurează ecositemul media
• Practicile de dezinformare sunt profund partizane ideologic (Narayanan et al., 2018;
Benkler et al, 2017)
• Ecosistem media alternativ cuplat cu neîncrederea cronică în jurnalismul
tradițional (Tsfati, 2010) și cu un conținut de tip conspiraționist
Factori care contribuie la izolarea ideologică
1. Psihologici- bias cognitiv, expunere selectivă, bias de confirmare (Lazer et
al., 2017; Mullainathan and Shleifer 2005; Wardle & Derakhshan, 2017)
• Indivizii caută în mod activ și interacționează cu informații și surse care le confirmă
opiniile și credințele preexistente
II. Comportamentali
• Izolare prin comportamentul nostru digital
III. Contribuția algoritmilor
– distribuirea conținutului polarizant prin decizii asupra afișării informațiilor
conform caracterisicilor fiecărui user în parte (Narayanan et al., 2018),
ducând la crearea de echochambers și filter bubbles [Allcott &Gentzkow,
2017), (Spohr, 2017).
Filter bubble
• Termenul se referă la expunera selectivă creată și rafinată în permanență prin intermediul
predicțiilor algoritmice asupra preferințelor, intereselor și nevoilor noastre de informare în
prezent și în viitor (E. Pariser, 2011)
• Afectează fără precedent modul în care ne expunem la informație
• Caracteristici
• Unicitate (o constelație de informații unice pentru fiecare utilizator în parte)
• Invizibilitate (de ce vedem rezultatele pe care le vedem?)
• Participare involuntară (puțione decizii conștiente pot cu adevărat impacta filtrele ce ne sunt aplicate)
Echo chambers
• Tendința indivizilor de a forma comunități online omegene la nivel de idei,
puncte de vedere, valori views (Colleoni, Rozza, & Arvidsson, 2014).
• Granițe simbolice
• Efect de amplificare a opiniilor (Barfar, 2019)
• Mecanism: delegitimizarea punctelor de vedere diferite (Thi Nguyen, 2018)
• Istoricul conceptului: term ”cyber-balcanizare” (Van Alstyne & Brynjolfsson,
MIT, 2005), autoizolare, enclavizare (Cass Sunstein (2001; 2017).
Echochambers – caracteristici

• Reflectă schimbările recente în selectarea și consumul informației

(dezintermediere prin jurnalsimul tradițional, accentul pe comunități împărtășite
de idei) (Bessi et al., 2016)
• Omogenitate de idei, valori, puncte de vedere (Batorski & Grzywińska, 2018)
• Uniformitatea interacțiunilor dintre membri (Shin & Thorson, 2017; Törnberg,
2018).
• consens > acuratețe (Colliander, 2019, Arfini, Bertolotti, & Magnani, 2018).
• Exprimarea fățișă a negativității (Del Vicario et al., 2016; Shin & Thorson,
2017),
flavia.durach@comunicare.ro