KI-Tool erkennt Genauigkeit & politische Bias in Nachrichtenquellen

• Neuer ML-Algorithmus fokussiert auf Nachrichtenquellen statt einzelner Behauptungen, um Fake & Bias News zu erkennen.
• Für neue Nachrichtenartikel erreichte es bis zu 70 % Genauigkeit.
• Benötigt nur 150 Inhalte, um Vertrauenswürdigkeit der Quelle zu bestimmen.

Social-Media-Plattformen machen es extrem einfach, Informationen im Internet zu teilen und zu verbreiten. Dies führte zur Proliferation von Fake News – meist erzeugt, um Stimmungen zu manipulieren und Großereignisse wie Wahlen zu beeinflussen, oder um Traffic und Werbeeinnahmen zu generieren.

Während viele Tech-Giganten erhebliche Ressourcen in eigene Fake-News-Erkennungssysteme investieren, glauben Forscher von MIT und Qatar Computing Research Institute, dass die beste Strategie darin liegt, sich auf Nachrichtenquellen zu konzentrieren statt nur einzelne Behauptungen zu analysieren.

Mit diesem Ansatz entwickelten sie eine neue ML-basierte Methode, die bestimmt, ob eine Quelle vertrauenswürdig ist. Im Grunde charakterisiert sie gesamte Nachrichtenmedien und prognostiziert die Faktizität der Berichterstattung.

Wie erkennt es voreingenommene Nachrichten?

Die Idee: Wenn eine Seite früher falsche Fakten veröffentlichte, ist die Wahrscheinlichkeit hoch, dass sie es wieder tut. Analyse anderer Inhalte solcher Websites hilft dem System, zu bestimmen, welche Seiten dies wahrscheinlich zuerst tun.

Um Fake News zuverlässig zu identifizieren, kann man nach gemeinsamen linguistischen Merkmalen suchen: Struktur, Komplexität, Sentiment. Beispiel: Die meisten Fake News nutzen emotionale, subjektive und hyperbole Sprache.

In dieser Studie experimentierten sie mit Features aus:

1. Inhalten der Ziel-Nachrichtenquellen
2. deren Twitter-Account und Wikipedia-Seite
3. deren URL-Struktur
4. Besucherzahlen

Sie sammelten Daten von Media Bias/Fact Check. Mit menschlichen Reviewern prüft diese Website Faktizität und Bias von fast 2000 Nachrichtenseiten, inkl. populärer Medien und Thin-Content-Farmen.

Referenz: arXiv:1810.01765 | MIT

Diese Daten fütterten ein ML-Modell, das Quellen klassifiziert wie die menschliche Review-Website. Das Modell lieferte beeindruckende Ergebnisse: Für neue Nachrichtenartikel erreichte es 65 % Genauigkeit bei der Einstufung, ob Artikel niedrige, mittlere oder hohe Faktizität haben, und 70 % Genauigkeit bei der Bestimmung, ob Inhalte rechts-, linksorientiert oder moderat sind.

Bildnachweis: MIT

Forscher behaupten, das System benötige nur 150 Inhalte, um verlässlich zu bestimmen, ob die Quellen-Website vertrauenswürdig ist. So kann es Fake News filtern, bevor sie sich breit im Internet verbreiten.

Ausblick

Forscher arbeiten an Genauigkeitsverbesserung und Integration mit konventionellen Faktencheckern. Liefert das System „merkwürdige oder verwirrende“ Ausgaben zu einem Thema, könnten manuelle Review-Plattformen diese schnell prüfen und Gültigkeit verschiedener Perspektiven bestimmen.

Autoren generierten auch einen Open-Source-Datensatz von fast 1000 Nachrichtenseiten mit Genauigkeits- und Bias-Scores. Sie planen Mobile Apps, um Menschen aus ihren politischen Blasen zu helfen. Zudem wollen sie das System für andere Sprachen trainieren. Ziel: Über Links/Rechts-Bias hinaus andere Bias-Formen modellieren, die für andere Regionen relevanter sind.

Weiterlesen: Neuer generischer Algorithmus erkennt Fake IDs in sozialen Netzwerken

Solche Algorithmen könnten Menschen helfen zu verstehen, wie dubiose Seiten aussehen und welche Art Artikel sie tendenziell veröffentlichen.