• Binghamton Üniversitesinin yeni araştırmasına göre makine öğrenimi ve blokchain teknolojisinin genişletilmiş kullanımı, yanlış bilginin kamuya en çok zarar verebileceği alanlara odaklanmasına imkân verecek.
• Yanlış bilgi göstergelerini tespit etmek için veriler ve algoritmalar kullanılacak. Zarar endeksinin belirlenmesinde yalan haberler hakkında önceden deneyimi veya bilgisi olan kişilerin kullanıcı özellikleri de dikkate alınacak.
• Blockchain sayesinde yanlış bilgi kalıplarının tanımlanıp sınıflandırılması sağlanacak.

Binghamton Üniversitesinin yeni araştırmasına göre önerilen bir makine öğrenimi çerçevesi ve blokchain teknolojisinin genişletilmiş kullanımı, içerik oluşturucuların yanlış bilginin kamuya en çok zarar verebileceği alanlara odaklanmasını sağlayarak, sahte haberlerin yayılmasının önüne geçebilir.

Binghamton Üniversitesi İşletme Fakültesinde yönetim bilişim sistemleri alanında Yardımcı Doçent Thi Tran tarafından yürütülen araştırmayla, yanlış bilgilendirmedeki kalıpların tanınmasını ve içerik oluşturucuların belli bir alana odaklanmasını sağlayacak araçlar sunmak hedefleniyor.

Tran, “Umarım bu araştırma, kalıpların farkında olma konusunda daha fazla insanı eğitmemize yardımcı olur. Böylece bir şeyi paylaşmadan önce ne zaman doğrulayacaklarını tahmin edebilir ve başlık ile içerik arasındaki uyumsuzluklara karşı daha dikkatli olurlar. Bu da yanlış bilginin kasıtsız olarak yayılmasını önler.” dedi.

Tran, araştırmasında içeriğin hedef kitleye zarar verebileceği ölçeğin belirlenmesinde, insanların öğrenme şeklini taklit eden veri ve algoritmaları kullanan yapay zekâ (AI) ve makine öğrenimi sistemlerini önerdi.

Örnekler arasında COVID-19 salgınının en yoğun olduğu dönemde dolaşıma giren ve aşı yerine yanlış alternatif tedavileri öneren haberler yer alabilir.

Çerçeve, yanlış bilgi göstergelerini tespit etmek için verileri ve algoritmaları kullanacak. Ayrıca, zarar endeksini belirlemeye yardımcı olmak adına yalan haberler hakkında önceden deneyimi veya bilgisi olan kişilerin kullanıcı özellikleri de dikkate alınacak. Bu endeks, bir kişinin yanlış bilgiye maruz kalması ve mağdur olması durumunda belirli bağlamlarda göreceği olası zararın ciddiyetini yansıtacak.

Tran, araştırmasında “Yalan haberleri okurda ya da izleyicide bir zarara yol açtığında önemsiyoruz. İnsanların ortada bir zarar olmadığını düşündükleri durumlarda yanlış bilgiyi paylaşma olasılıklarının daha yüksek olduğunu gördük. Oluşacak zararlar, izleyicilerin yanlış bilgiden kaynaklanan iddialara göre hareket edip etmemelerine veya bu nedenle uygun eylemi reddedip reddetmediklerine göre şekillenir. Eğer yanlış bilginin en çok zararı nerede vereceğini tespit etmenin sistematik bir yolunu bulursak, zararın azaltılması için nereye odaklanmamız gerektiğini bilmemize yardımcı olacaktır.” diye yazıyor.

Tran, toplanan bilgilere dayanarak, makine öğrenimi sistemiyle oluşturulacak yalan haber önleyicilerinin, yayılan yalan haberlerden hangilerinin risk oluşturacağını tespit edebileceğini söyledi.

“Eğitim seviyeniz veya siyasi görüşünüz yanlış bilgilendirmeden etkilenip etkilenmeyeceğinizde önemli rol oynayabilir. Bu faktörler makine öğrenimi sistemi tarafından denetlenebilir. Örneğin, sistem bir mesajın özelliklerine, kişiliğinize ve geçmişinize göre yanlış bilgilendirme mesajının kurbanı olma olasılığınızın %70 olduğunu tahmin edebilir.” diye açıklıyor Tran.

Yalan haberlerle mücadelede bir araç olarak bir tür paylaşımlı veri tabanı teknolojisi olan blockchain kullanılmasına ilişkin başka çalışmalar daha önceden de yapılmıştı. Tran’ın araştırması bu tür sistemlerin kullanıcı tarafından kabul edilebilirliğini daha yakından inceleyerek önceki bulguları genişletiyor.

Tran, iki gruptan 1.000 kişiye anket yapılmasını önerdi: yalan haber azaltıcıları (devlet kurumları, haber kuruluşları ve sosyal ağ yöneticileri) ve yalan haberlere maruz kalabilecek içerik kullanıcıları. Anket, mevcut üç blockchain sistemini ortaya koyacak ve katılımcıların bu sistemleri farklı senaryolarda kullanma isteklerini ölçecek.

Tran, blockchain izlenebilirliğinin kullanışlı bir özellik olduğunu, çünkü kalıpların tanınmasına yardımcı olmak için yanlış bilgi kaynaklarını tanımlayıp sınıflandırabileceğini belirtti.

Derleyen: Alp Eren Gümüş