افراد باهوش بیشتر در معرض باور اخبار دروغ قرار می گیرند/ انواع محتوای نادرست در رسانه های جمعی

بر اساس تحقیقات صورت گرفته توسط دانشمندان رسانه، افراد باهوش بیشتر در معرض باور اخبار دروغ قرار می گیرند چرا که ذهن تحلیل گر آن ها سعی می کند خبرهای گرفته را برای خود توجیه کند و آن ها را بپذیرد. به طور کلی ما سه نوع اطلاعات جعلی داریم که شامل اطلاعات کاذب غیر عمدی، اطلاعات کاذب عمدی و اطلاعات آسیب رسان می شود. اطلاعات کاذب غیر عمدی می تواند به سادگی اشتباه یک مجری در بیان خبر باشد. برای جلوگیری از اخبار جعلی افراد باید پس از دریافت خبر آن را از منابع مختلف بررسی کند و آن ها را بسنجد تا بتواند بهترین درک را از آن داشته باشد و از صحت آن مطمئن شود.

اخبار جعلی به عمد نوشته شده تا خوانندگان را گمراه کند که اطلاعات غلط را باور کنند، و این امر تشخیص بر اساس محتوای اخبار را دشوار می کند، بنابراین، ما باید از اطلاعات کمکی مانند روابط اجتماعی کاربر در رسانه های اجتماعی بهره بگیریم تا قادر به تمایز آن از اخبار واقعی باشیم. بهره برداری از این اطلاعات کمکی به خودی خود غیرقابل انکار است زیرا تعامل های اجتماعی کاربران با اخبار جعلی داده هایی را تولید می کند که بزرگ ، ناقص ، بدون ساختار و پر سر و صدا هستند. دو عامل عمده روانشناسی باعث می شود که مصرف کنندگان به طور طبیعی در برابر اخبار جعلی آسیب پذیر باشند: (رئالیسم ساده لوحانه: مصرف کنندگان تمایل دارند باور کنند که برداشت های خود از واقعیت تنها دیدگاه های دقیق هستند.) (تعصب تایید: مصرف کنندگان ترجیح می دهند اطلاعاتی را دریافت کنند که دیدگاه های موجود را تایید کند.)

Naïve Realism: consumers tend to believe that their perceptions of reality are the only accurate views. 

Confirmation Bias: consumers prefer to receive information that confirms their existing views.

همچنین تمایل برای دستیابی به پذیرش اجتماعی برای هویت شخص ضروری است، و باعث می شود افراد برای مصرف اخبار گزینه "امن اجتماعی" را انتخاب کنند ، حتی اگر خبرهای به اشتراک گذاشته شده نیز اخبار جعلی باشند.

داده محور: به جنبه های مختلف داده های خبری جعلی ، مانند جمع آوری داده های معیار ، اعتبار روانی اخبار جعلی و تشخیص اولیه اخبار جعلی تمرکز می کند.

· Data-oriented: it focuses on different aspects of fake news data, such as benchmark data collection, psychological validation of fake news, and early fake news detection.

ویژگی محور: درصدد کشف ویژگی های موثر برای تشخیص اخبار جعلی از منابع داده های مختلف ، از جمله محتوای اخبار و بافت اجتماعی است.

· Feature-oriented: it aims to explore effective features for detecting fake news from multiple data sources, such as news content and social context.

مدل محور: درهای جدیدی را به روی ساختن مدلهای کاربردی تر و موثرتر برای تشخیص اخبار جعلی ، از جمله مدلهای نظارت شده ، نیمه نظارتی و بدون نظارت باز می کند.

· Model-oriented: it opens the door to build more practical and effective models for fake news detection, including supervised, semi-supervised and unsupervised models.

اپلیکیشن محور: این شامل تحقیقاتی می شود که فراتر از تشخیص اخبار جعلی می رود. مانند انتشار اخبار جعلی و مداخلات.

· Application-oriented: it encompasses research that goes beyond fake news detection, such as fake new diffusion and intervention.

دانشگاه تهران فصلنامه بررسی­ های مدیریت رسانه