Pengecekan fakta otomatis dapat menangkap klaim yang lolos dari pemeriksa manusia. Berikut adalah dua cara mereka bekerja.

Mereka memverifikasi klaim dengan memvalidasinya terhadap sumber atau artikel otoritatif, atau menggunakan teknik komputasi yang disebut deteksi posisi.

(Shutterstock)

Dari klaim palsu bahwa minum air hangat dengan lemon melindungi dari virus corona ke tingkat kontaminasi yang tinggi di antara pasukan NATO yang berbasis di Latvia , pandemi telah matang untuk berbagai jenis hoaks dan kampanye disinformasi.

Antara Januari dan Maret, Institut Reuters untuk Studi Jurnalisme memperhatikan bahwa jumlah pemeriksaan fakta naik 900% , yang mungkin berarti peningkatan yang lebih tinggi dalam kemunculan berita palsu karena banyak dari mereka kemungkinan lolos dari jaring.

Meskipun literasi media sangat penting untuk membalikkan keadaan, penggunaan otomatisasi dan algoritme dapat membantu melakukan upaya pengecekan fakta dalam skala besar. dalam dirinya laporan 2018 , Lucas Graves pada dasarnya mengidentifikasi dua jenis pemeriksaan fakta otomatis: pemeriksaan fakta yang memverifikasi klaim dengan memvalidasinya terhadap sumber otoritatif atau cerita yang telah diverifikasi, dan pemeriksaan fakta yang mengandalkan 'sinyal sekunder' seperti deteksi sikap — teknik komputasi yang menentukan apakah sepotong teks setuju atau tidak setuju dengan klaim.

Berikut adalah ikhtisar penggunaan jurnalistik dan proyek penelitian yang melihat kedua aspek tersebut.

Labu: Lab Reporter Universitas Duke telah bereksperimen dengan Squash , program komputer yang mengubah teks TV menjadi string teks, lalu mencocokkannya dengan database pemeriksaan fakta sebelumnya. Tujuan Squash adalah untuk memverifikasi pernyataan politisi hampir secara instan, meskipun tim penelitinya masih mengakui program tersebut membutuhkan bantuan manusia untuk memutuskan apakah harus menyiarkan temuannya sendiri .

Fakta Lengkap: Organisasi pemeriksa fakta yang berbasis di London, Full Fact juga dapat temukan klaim yang meragukan melalui subtitle TV , dengan mencocokkannya dengan katalog pengecekan fakta terverifikasinya sendiri dan dengan menggunakan data yang dapat diandalkan, seperti statistik pemerintah, untuk memverifikasi pernyataan yang tidak dicentang.

Tetapi bahkan data yang dapat diandalkan pun perlu diperiksa secara menyeluruh. Dalam laporan Graves, kepala otomatisasi pendiri Full Fact menekankan bahwa angka resmi dapat dengan mudah diambil di luar konteks, seperti ketika tingkat pembunuhan di Inggris melonjak pada tahun 2003, tetapi hanya karena pembunuhan yang dilakukan oleh seorang pembunuh berantai terkenal selama bertahun-tahun. sebelumnya secara resmi dimasukkan dalam statistik pada waktu itu.

Checkbot: Seperti Squash dan Fakta Lengkap, checkbot — sebuah inisiatif dari organisasi pemeriksa fakta Argentina, Chequeado — secara otomatis memindai media nasional untuk menemukan pernyataan kontroversial. Kemudian mencocokkannya dengan database yang ada dan membuat file teks yang dapat dibagikan oleh pemeriksa fakta di media sosial. Namun demikian, Chequeabot dipengaruhi oleh kurangnya data mentah di Argentina, yang mendorong Chequeado untuk melihat kemitraan dengan pemerintah, tetapi juga dengan universitas, lembaga pemikir, dan serikat pekerja.

Chatbot IFCN: Di tengah pandemi, Jaringan Pengecekan Fakta Internasional mengumpulkan database pengecekan fakta, yang sekarang terdiri dari lebih dari 7.000 entri dalam lebih dari 40 bahasa. Pada bulan Mei, aliansi pengecekan fakta diluncurkan chatbot WhatsApp-nya sendiri , yang mampu menggali database tersebut untuk menanggapi permintaan kata kunci pengguna. Pertama tersedia dalam bahasa Inggris, WhatsApp Chatbot sekarang tersedia dalam bahasa Spanyol, Hindi, dan Portugis.

Universitas Waterloo: Sebuah tim peneliti di University of Waterloo, di Kanada, sedang melihat deteksi kuda-kuda untuk membangun alat yang mampu mendeteksi berita palsu dengan membandingkan klaim dengan posting dan cerita serupa. Para peneliti memprogram algoritme untuk belajar dari semantik yang ditemukan dalam data pelatihan dan berhasil menentukan klaim secara akurat sembilan kali dari 10. Mereka membayangkan solusi mereka sebagai alat bantu yang ditujukan untuk menyaring konten palsu, sehingga membantu jurnalis mengejar klaim yang layak diselidiki.

DENGAN: Namun, satu masalah yang berasal dari deteksi sikap adalah bahwa hal itu cenderung mereproduksi bias kita sendiri terhadap bahasa. Misalnya, pernyataan negatif dipandang lebih cenderung menyampaikan konten yang tidak akurat, sedangkan pernyataan afirmatif umumnya dikaitkan dengan rasa kebenaran. ini adalah apa tim peneliti MIT menemukan saat menguji model algoritmik pada kumpulan data yang ada. Ini mendorong mereka untuk mengembangkan model-model baru. Tim juga meminta perhatian pada masalah klaim yang benar pada suatu saat, tetapi tidak lagi akurat melewati titik tertentu.

Dalam laporannya, Graves juga menunjukkan petunjuk lain yang dapat membantu menghilangkan prasangka informasi palsu dalam skala besar. Ini bisa berkisar dari 'fitur gaya, seperti jenis bahasa yang digunakan dalam posting media sosial atau laporan berita yang seharusnya' hingga 'posisi jaringan sumber' atau 'cara klaim atau tautan tertentu menyebar di internet.'

Tetapi secanggih solusi otomatis, mereka masih ditantang oleh banyak alasan kami tertarik untuk mempercayai berita palsu di tempat pertama — apakah itu penalaran yang bias, perhatian yang terganggu atau paparan berulang, misalnya. Selain itu, ada risiko tambahan menjalankan 'efek bumerang', a gagasan yang memprediksi bahwa ketika sebuah klaim sangat sejalan dengan ide seseorang, orang ini semakin diperkuat dalam pandangannya sendiri setelah terungkap kebenarannya.

Pada akhirnya, pengecekan fakta otomatis hanya akan berhasil jika terjalin erat dengan literasi media.

Samuel Danzon-Chambaud adalah seorang Ph.D. peneliti di proyek JOLT , yang telah menerima dana dari program penelitian dan inovasi Horizon 2020 Uni Eropa di bawah perjanjian hibah Marie Skłodowska-Curie No 765140.