“事实核查范例 核查信息来源”

本篇文章3226字，读完约8分钟

2006年的美国大选选举中虚假信息()盛行，迎来了验证事实()的历史性时刻。 候选人多次发表虚假言论，在网络上有组织地编造、传播虚假新闻，仇恨、极端主义、愤怒是社会交流媒体新闻共享的“重要中介机制”。 每个党派都有不同程度的虚假或误解的消息，在选举期间，虚假信息的受欢迎程度超过了真实信息。 许多观点认为虚假拷贝的病毒式传播混淆了公众对客观事实的基本理解。 作为信息业最终形成之日就开始萌芽的事实核查从以前就流传了下来，当政治观点被撕裂，新闻传播被割裂，带有利益导向的虚假信息和误导性新闻被滋生传播时，它也以新的形式体现了自身的价值:。

在美国，最初的事实检查机构的通信量比去年翻了一番，得到了cnn、nbc等媒体的协助请求。 年《华盛顿邮报》的检查点网站流量是去年的5倍，其他检查点机构也一样。 根据欧洲路透社信息学院去年11月发表的《欧洲事实审计机构的兴起》报告，近十年出现了许多事实审计机构和劳动者。 他们继承了美国媒体以前传达的东西，以更加多样化的快速发展模式、角色定位和运营方式，努力拓展事实审计的内涵和边界。

()的解读包含两个含义:一是在信息作品发表或发表之前，评价该新闻的真实性。 事实核查应该是所有记者的工作，但大多数情况下是助理做。 在雇佣年轻记者检查事实之前就被美国媒体报道了。 接着，博客和媒体组织在信息发表或发表后，调查验证其真实性，并公布结果。

据悉起源是在报道发表之前，由情报机关进行了验证。 但是，近年来，信息事实验证发生了“结构性变化”:验证主体从专业记者增加了依赖数字媒体的公民的参与，验证的时间在新闻稿发布前就由新闻发布后，验证副本/结果由限制部向公众公开， 也就是说，从信息事实检查变化为事实检查信息。

随着社交媒体成为主流媒体，新闻量和新闻传播速度超出了人工验证的能力。 因此基于人工智能和大数据技术的计算机自动事实验证已成为事实验证的主流手段和研究方向 美国大选后，和等互联网平台因虚假信息泛滥受到质疑，这些互联网巨头纷纷宣布开发事实审计工具。

目前主流的事实检查算法从信息源、拷贝、互联网传播的优势入手。

随着社交媒体成为主流媒体，新闻量和新闻传播速度超出了人工验证的能力。 因此基于人工智能和大数据技术的计算机自动事实验证已成为事实验证的主流手段和研究方向

美国大选后，谷歌、推特、脸书等网络平台因虚假信息泛滥受到质疑，这些网络巨头开始开发事实核查工具。 网络上虚假信息的泛滥不是自发的，很多谣言背后都有操作的痕迹。 营销分解企业jumpshot收集了去年9月至11月网站的流量数据。 数据显示，虚假信息网站平均从脸书获得了70%以上的流量，而纽约时报等媒体只从脸书获得了30%的流量。 对虚假信息的作者来说，每1000次浏览网页的次数带来了13 ~ 14美元的广告收入，社交媒体带来的巨大流量收入刺激了造假者。 这些专业造假者为了商业和政治利益篡改事实，编造谣言，发布符合网民口味的虚假新闻，形成成熟的造假信息制作的传播链。 在美国的一个城镇，出现了“假信息点击领域”，在美国大选期间发布了各种假消息，并因炮制的“大信息”而受益。

社交媒体上的虚假信息大多由这些专业的伪造机构制作，他们有比较固定的网络传播手段和渠道。 在某些地区，虚假信息领域仍然存在“聚集效应”。 因此，目前检测虚假信息源是比较有效的方法。 源验证包括源新闻的识别和验证，如新闻发布位置、发布者ip、发布网站域名和新闻作者。 事实检测工具首先验证发行软文的ip地址。 如果ip地址未经授权或持续更改，事实检查工具会将信息标记为可疑。 然后，事实检查工具检查新闻发布网站的域名和作者，将域名和作者名称与受信任的信息域名数据库和作者列表进行比较，并将受信任的域名数据库和作者列表中不存在的信息标记为可疑。 对于来源不明的信息，事实检查工具会将信息的标题和副本与互联网上的其他信息数据进行比较，找出初始来源，检查初始来源的可靠性。

基于副本的事实检测算法是对人工事实检测的模拟，可分为基于副本新闻和文章特点的两种方法。

基于新闻副本的验证方法旨在验证信息中重要新闻的正确性。

现在的人工智能通过自然语言解决( nlp )技术，明确了互联网文案的核心含义，可以和其他类似的互联网新闻进行比较。 例如，nlp引擎可以利用人工智能技术，基于某篇文章的主题、标题、文案、地理位置，收集与其他网站文章相同的事实，实现与权威媒体文案的评价。 许多假信息不是用空捏造的，而是通过改变实际信息或混合不同的信息形成的。 这种虚假信息经常用原软文标题窃取副本，不更改副本，而是粘贴虚假标题的标签。 可以通过将复制验证算法与原始信息进行比较来识别错误。

基于文章特点的验证工具通过对所捕获副本的语言组织形式和叙事风格的分解来推断副本的真实性

虚假信息多使用煽动、煽动、偏激、有意迎合网民的叙事风格，与专业的信息写作风格背道而驰。 事实检查工具可以根据文案的极端性、情感词的出现频率、文案的组织结构分割文案的风格，筛选出带有煽动倾向的可疑文案。

基于社会场景的验证方法是以出版者和传播者的社会活动新闻以及相关文案的观点为辅助新闻推断原文案的真实性。

该验证方法得到由大数据技术验证的信息发布互联网，包括参与发布的顾客、新闻发布的时间版块、高度相关的互联网帖子、读者对新闻的评价等。 通过分析新闻传播互联网的各维度信任度，可以综合获得原始信息自身的信任度。 该验证算法是间接验证，其首要评价依据是新闻发布者的顾客画像。

如果虚假信息在新闻发布者发布和浏览的其他新闻中所占比例较高，或者发布者活跃度较低，时间和ip地址异常活跃，网络水军特征明显，则原始信息为虚假信息的概率较高。

在大型网络企业的引领下，人工智能技术和自然语言解决技术的飞速发展，特别是神经网络模型的应用，使得自动验证大量信息数据的事实在技术上成为可能。 但在实际应用中，目前各软件的平台技术还不完善，存在虚假信息定义标准不确定、算法未公开等问题。

( a )技术困难

目前，自动事实检测技术的研究与开发还处于初期阶段，主要以计算机科学为研究方向。 实际上，伪信息的自动识别还没有成熟的ai应用。 大多数应用程序都需要手动验证协作，或者只适用于少数验证对象。

以目前的自然语言解决和人工智能技术，从副本中提取重要事实并与现有事实进行比较并不容易。 技术开发中的另一大困难是缺乏用于r&d测试和机器学习的虚假信息数据集。

目前，事实验证技术工具最常用的方法是通过信息源及其通信互联网的初步验证，筛选出“可疑”的信息，提交给事实验证机构进行人工验证。 这种半人工验证的方法提高了人工验证的效率，但仍然不能处理人工验证的数量和时限的限制。 只有基于信息复制的自动事实审计才能完全代替人工审计，这也是目前事实审计技术研究的难点和重点。

相反，利用ai技术制作假信息更成熟。 人工智能不仅可以伪造复制品，还可以制作模仿真人的图像和视频。 权威it研究咨询企业gartner在年底发布预测报告称，到2022年，发达经济体大部分人接触到的虚假信息多于实际信息，ai造假文案的能力大于ai检测虚假文案的能力，人们对数字新闻的信任。

自动事实验证面临的直接困境是虚假信息的定义。

根据目前的自动事实检验算法，检验虚假信息的基本方法是与比较可靠的信息源和信息文章进行比较，即明确与之对应的“信息真实度”。 无论信息论中是否存在绝对的信息真实，在主流媒体公众说服力下降后的真实时代，要找到被大众广泛信任的相对信息真实并不容易。 目前，自动事实检查一般以主流媒体的报道为真实性标准，这也在西方舆论界引起了反对。

此外，应用于平台社会交流媒体的广泛自动事实检查比规模较小、有限的人工事实检查更可能引起“言论自由”的争论。 社交媒体和科技企业很少发布其核心算法，通过未公开和不透明的技术算法得到的真实性评价影响着公众在社会交流媒体上的媒体接触，也面临着信息伦理的争论。

与人工事实审计一样，自动事实审计也面临着较高的r&d和运营价格，但没有成熟的盈利模式。

对于谷歌、推特、脸书等互联网平台。 流量仍然是第一收入来源，奇怪的虚假信息只是吸引流量的武器。 在虚假信息与事实审计的社会问题上，平台社会交流媒体实际上面临着商业逻辑与信息逻辑的冲突、商业优势与公共优势的矛盾。 这就是社交媒体网站，开发事实检查工具时态度不协调的原因之一。

写在后面

1 .什么是信息事实审计和事实审计信息？

2 .自动事实检查面临着那些困难？

可以看出，“后真相”已经成为全球时代的顽疾，控制社会交流媒体的虚假信息，增强社会信任成为最大的课题。

在这种背景下，专业的事实审计机制应运而生，用于自动事实审计的人工智能系统开发加速，事实审计机制和领域标准的全球联盟逐渐形成。 事实上，事实审计信息已经成为独立的信息格式。

但从宣传效果来看，西方世界的事实审计信息没有很好地处理“后真相”症状。 事实自动比对技术其实还面临很多困难，学生在答题时应该观察。

清华普信历史862真题:

关于技术和社会，一种观点认为技术的迅速发展带来了新的社会形式，另一种观点认为技术不过是原有社会关系的扩展。 你觉得这两个观点怎么样

1 .李希光吴艳梅。 后真理时代的事实说明信息:迅速发展和局限[j]。 全球媒体杂志，( 02 ) :

2 .周伟大师。 美国以前曾传达过从信息验证到信息事实验证的欧洲进化—— [j]。 记者，( 04 ) :

/ h /选项卡: #信息事实检查网站