Éditer les fausses nouvelles

fausses nouvelles

Crédit : CC0 Domaine public

Les fausses nouvelles et la désinformation sont devenues monnaie courante dans les arènes politique, économique, climatique et sociale ces dernières années et sont considérablement amplifiées par les médias sociaux avec des répercussions importantes sur les résultats politiques et notre qualité de vie. Alors que nous continuons de faire face à la pandémie mondiale de COVID-19, les fausses nouvelles et la désinformation dans ce domaine deviennent une question de vie ou de mort. Des chercheurs des États-Unis et de la Chine écrivant dans le Revue internationale de la science des données discuter d’une nouvelle approche pour détecter les faux titres.

Xin Wang et Peng Zhao du Big Data and AI Lab d’IntelligentRabbit LLC, dans le New Jersey et Xi Chen de l’Université de génie civil et d’architecture de Pékin ont développé une méthode de classement basée sur un algorithme pour la crédibilité des médias grand public et testé la mémoire à long terme. (LSTM), le réseau de neurones convolutifs (CNN) et les réseaux de croyance profonde (DBN) à cette fin. Ils suggèrent qu’il est vital que nous nous attaquions à ce problème.

« À l’ère des médias sociaux, la capacité de diffuser de fausses informations a augmenté de façon exponentielle », écrit l’équipe. « Des organisations et des individus irresponsables ont publié des informations trompeuses entraînant des conséquences catastrophiques pour la société. »

Les chercheurs soulignent que si la technologie a peut-être favorisé la propagation rapide des fausses nouvelles d’une manière sans précédent, la technologie est à bien des égards le seul moyen de lutter efficacement contre les fausses nouvelles. En tant que tel, l’équipe a développé un algorithme basé sur l’approche du réseau de neurones qui fonctionne avec une précision allant jusqu’à 94 % et dépasse les autres approches. Ceci est essentiel étant donné qu’il est difficile de récupérer des documents entiers faisant état de fausses nouvelles, d’autant plus qu’ils sont généralement camouflés parmi un contenu d’actualité authentique.

L’équipe explique que de nombreuses agences de presse ont mis en place des unités de vérification des faits ou recruté des équipes indépendantes pour parcourir manuellement les résultats de leurs utilisateurs afin d’identifier les fausses nouvelles et les fausses déclarations. Il existe également des services bien connus, tels que Snopes, PolitiFact et FactCheck, qui agissent comme des vérificateurs de faits tiers pour le contenu partagé en ligne. Un système qui peut fonctionner avant une telle vérification et signaler automatiquement les fausses nouvelles pour une vérification manuelle ultérieure pourrait aider à garantir la fiabilité d’une source d’information et d’étiqueter le matériel problématique.

L’équipe ajoute qu’elle développera ensuite un modèle d’apprentissage automatique décentralisé qui garantira la livraison transparente et traçable des nouvelles et nous rapprochera de la fin de l’ère des fausses nouvelles.



Plus d’information:
Xin Wang et al, Détection de fausses nouvelles et de désinformation sur les gros titres de COVID-19 à l’aide d’algorithmes d’apprentissage en profondeur, Revue internationale de la science des données (2021). DOI : 10.1504 / IJDS.2020.115873

Citation: Suppression des fausses nouvelles (2021, 30 juin) récupérées le 30 juin 2021 sur https://techxplore.com/news/2021-06-fake-news.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.