Duncan Watts, a Penn intègre un professeur de connaissances et un spécialiste des sciences sociales en informatique avec des nominations à la Annenberg School for Communication, School of Engineering and Applied Science et la Wharton School, a publié un nouveau cadre pour étudier les préjugés et la désinformation des médias. Parution cette semaine dans le Actes de l'Académie nationale des sciences et co-écrit par des collègues de Microsoft Research, l'article décrit un programme de recherche ambitieux et complet pour comprendre les origines, la nature, et la prévalence de la désinformation et son impact sur la démocratie.

L'expression "fake news" fait désormais partie du lexique, stimulé par la couverture médiatique de fausses publicités politiques et de robots Twitter et par les inquiétudes concernant leur rôle dans les mouvements politiques populistes tels que le Brexit et l'élection présidentielle de 2016. Ces histoires ont déclenché une énorme quantité de recherches, avec la publication de milliers d'articles essayant de comprendre comment les fake news se répandaient.

"Cette focalisation écrasante sur les mensonges purs et simples circulant sur les réseaux sociaux était inquiétante, mais il manquait quelque chose, " dit Watts. " Et ce quelque chose est cette conception beaucoup plus large de la désinformation. "

Watts explique que la désinformation comprend plus que des mensonges et des mensonges, car il existe également des moyens plus subtils d'induire les gens en erreur. Cela inclut la cueillette des données, méconnaître la relation entre corrélation et causalité, ou même simplement présenter des faits d'une manière particulière, tactiques qui peuvent conduire les gens à une fausse conclusion sans échouer techniquement à une vérification des faits.

La désinformation n'est pas non plus quelque chose qui se limite aux médias sociaux, il dit, avec la télévision, radio, et les publications imprimées jouent également un rôle important. "Toutes les recherches qui ont été faites sur Twitter dépassent largement la quantité de recherches qui ont été faites à la télévision au cours des quatre dernières années, Et pourtant, la télévision est une plus grande source d'informations liées à la politique pour les Américains typiques que Twitter. ", dit Watts. "Nous devons vraiment réfléchir beaucoup plus aux parties de l'écosystème de l'information qui pourraient causer certains de ces problèmes. "

À cette fin, Watts et ses co-auteurs décrivent quatre objectifs spécifiques qui permettraient aux communautés de recherche et aux agences de financement d'aborder ces types de questions complexes :

Construire une infrastructure de données à grande échelle

Le premier pas, Watts dit, est de construire une infrastructure de recherche pour collecter, organiser, nettoyer, et rendre les données disponibles et accessibles à l'ensemble de la communauté de recherche. Cela s'apparente à d'autres efforts de recherche à grande échelle, comme le grand collisionneur de hadrons, où une communauté de scientifiques s'unit pour travailler sur un seul instrument ou projet qui génère des données pour tout un domaine de chercheurs.

« Si vous voulez regarder tout ce qui est produit à la télévision, radio, et sur le Web et posez des questions, il n'y a aucun moyen d'y répondre pour le moment, " dit Watts. " Il n'existe aucune infrastructure pour collecter ces données, et même la simple collecte de ces données est une entreprise énorme."

Établir un modèle de « collaboration de masse »

Avec une infrastructure de données robuste en place, le prochain objectif est de maximiser sa valeur en coordonnant les efforts de plusieurs groupes de recherche. Au lieu de travailler sur des ensembles de données uniques qui sont organisés et analysés par un individu ou un groupe, ce modèle de travail permet d'étudier les problèmes de manière plus globale.

Cette stratégie pourrait également aider les chercheurs à travailler plus efficacement sur des problèmes à grande échelle, améliorer la réplicabilité des études, et aider les groupes à s'appuyer sur des connaissances cumulatives qui pourraient ensuite être appliquées en dehors du milieu universitaire, dit Watts.

Communiquer avec les parties prenantes

Il est important d'informer le public de leurs découvertes, Watts dit, et il est également crucial de rendre les données à la fois accessibles et pertinentes.

« Informer le public est une chose précieuse à faire, mais ce n'est pas quelque chose que nous sommes très incités à faire en tant qu'universitaires, " dit Watts, ajoutant que différentes manières d'atteindre cet objectif pourraient inclure la publication de versions « vivantes » des documents de recherche sous la forme de tableaux de bord de données.

Développer des partenariats académiques-industriels

« Ce serait déjà un grand pas pour des personnes de différentes disciplines et institutions de travailler ensemble sur un ensemble de données commun, mais, si nous voulons réellement résoudre les problèmes du monde, nous devons faire plus que simplement comprendre les choses. Nous devons également essayer de concevoir des interventions qui affectent l'expérience des gens sur des plateformes réelles et d'en mesurer les conséquences, " il dit.

De la collaboration avec des informaticiens sur l'amélioration de l'équité des algorithmes au travail avec des journalistes pour les aider à comprendre comment leur travail influence l'opinion publique, s'engager avec des partenaires en dehors du milieu universitaire est essentiel pour lutter contre la désinformation, dit Watts.

Consolider et accélérer les travaux pour atteindre ces objectifs, Watts a lancé le Computational Social Science Lab à Penn le mois dernier. Il ouvrira officiellement ses portes à la rentrée prochaine. Ses recherches en cours comprennent l'étude de la prévalence du contenu radical sur YouTube, évaluer comment la consommation des médias est passée de la télévision en direct aux plateformes de streaming, les impacts des chambres d'écho, identifier et suivre les biais dans la couverture médiatique, et un certain nombre de projets avec des fournisseurs de données pour améliorer la qualité des données afin que les chercheurs puissent plus facilement analyser et donner un sens à ces ensembles de données complexes.

« De nombreux chercheurs peuvent alors commencer à utiliser ces données, et puis la quantité de recherche générée par cette infrastructure est multipliée par 100 ou 100. Je pense que ce sera la vraie innovation, " dit-il. " Il y a beaucoup de questions là-bas, et nous aimerions pouvoir aider beaucoup de gens à répondre à ces questions."