De MODUL-universiteit in Wenen ontwikkelt, in samenwerking met wetenschappers en experts uit zes andere landen en met financiële steun van de EU, een methode om de betrouwbaarheid van sociale mediaberichten en andere viraal verspreide online informatie te onderzoeken. Dat schrijft het Oostenrijkse Computerwelt.
Enkele jaren geleden werd op het internet geclaimd dat Barack Obama niet in de VS geboren is en dus ook geen Amerikaans president zou mogen zijn. Deze ‘onthulling’ ging in een mum van tijd viraal, maar bleek niet te kloppen. Het internet bulkt van zulke valse feiten, leugens of halve waarheden.
“Virtuele nies kan globale pandemie veroorzaken”
Met het ‘Pheme’-project wil de MODUL-universiteit in Wenen dit probleem aanpakken, door een systeem uit te dokteren dat digitale informatie op een geautomatiseerde manier analyseert op betrouwbaarheid – beschouw het als een soort leugendetector voor sociale media. De universiteit doet dit in samenwerking met partners uit Engeland, Duitsland, Zwitserland, Bulgarije, Spanje en Kenia. En met financiële steun van de Europese Unie.
“Traditionele media, digitaal of analoog, verliezen hun greep op informatie. Sociale mediagebruikers nemen het van hen over en verspreiden de informatie razendsnel. Zo wordt van een mug al snel een olifant gemaakt, of komt uit een nies de angst voor een globale pandemie voort”, zegt Arno Scharl, hoofd van de nieuwe media-afdeling van de universiteit. “Zulke ‘memes’ stellen bedrijven en regeringen voor grote uitdagingen. Om die aan te pakken, mag geen tijd verloren gaan. Die tijd willen met het ‘Pheme’-project gaan creëren.”
Interdisciplinaire aanpak
“Informatie op sociale netwerksites met de computer analyseren is problematisch, het gaat om enorme volumes die veelvuldig verspreid worden”, zegt Scharl. ‘Pheme’ maakt gebruik van Scharls eigen webLyzard-technologie, die informatie afkomstig van onder meer sociale media verzamelt en analyseert en er de valse waarheden tracht uit te halen. Die valse waarheden worden onderverdeeld in vier categorieën: speculatie, controverse, misinformatie (waarbij de verspreider van het nieuws verkeerd geïnformeerd is) en desinformatie (waarbij bewust foutieve informatie wordt verspreid). Sociale mediaposts zijn soms moeilijk in categorieën te plaatsen, omdat er vaak een sociale context aan vasthangt. Die context op een automatische manier interpreteren is tot nu toe nooit gelukt.
De MODUL-universiteit hanteert daarom een interdisciplinaire aanpak. Dit betekent dat bij het project ook wetenschappers en specialisten met expertise in spraaktechnologie, ‘web science’, sociale netwerkanalyse en informatie-visualisatie betrokken worden. Zij linken eigen informatie aan databronnen die door hen betrouwbaar worden bevonden, en analyseren ook de manier waarop informatie verspreid wordt – wie bezit welke info en hoe en naar wie wordt ze doorgestuurd.
Het project neemt drie jaar in beslag, en uiteindelijk worden twee casestudies uitgewerkt. De ene spitst zich toe op ‘Rumour Intelligence’ in medische informatiesystemen, de andere op de geloofwaardigheid van door gebruikers gegenereerde content in de digitale journalistiek.
De grote vraag luidt: kan het ‘Pheme’-team een methode die tot dusver handmatig moest gebeuren, automatiseren?
