Nhu cầu nghiêm trọng về việc đánh giá thông tin trong thời đại kỹ thuật số

Trong một kỷ nguyên mà thông tin được lưu truyền với tốc độ chưa từng thấy, khả năng đánh giá nội dung đã trở thành một kỹ năng công dân cơ bản. công dân bị tấn công với tin tức, các bài xã hội, các mục quảng cáo và ý kiến, giáo viên vận động để được chú ý và tin tưởng. không có công cụ đánh giá mạnh mẽ, cá nhân có nguy cơ đưa ra quyết định dựa trên sự sai lầm, thao túng, hoặc bằng chứng không đầy đủ. bài này cung cấp một cuộc thám hiểm chi tiết về các khuôn khổ thực tế, tài nguyên và chiến lược để trao quyền cho độc giả để đánh giá thông tin và đưa ra những lựa chọn có uy tín cá nhân và chuyên nghiệp.

Hậu quả của việc đánh giá thông tin kém mở rộng hơn cả lỗi cá nhân. Thông tin sai lầm đã được liên kết với sự chần chừ vắc xin, sự can thiệp bầu cử, gian lận tài chính và thậm chí bạo lực ngoại lệ. bằng cách đánh giá kỹ thuật đánh giá, người dân không chỉ có thể tự bảo vệ mình mà còn góp phần vào một bài diễn thuyết công cộng lành mạnh hơn. Các công cụ được thảo luận ở đây được thiết kế để dễ tiếp cận với bất cứ ai, bất kể nền tảng, và có thể được áp dụng cho bất kỳ loại nội dung nào từ các bài viết khoa học đến tweet virus.

Khung cơ bản để đánh giá nguồn

Một số khung nền đã được thiết lập cung cấp phương pháp để đánh giá sự đáng tin cậy và đáng tin cậy của thông tin. những mô hình này giúp người dùng di chuyển vượt ra ngoài những ấn tượng trên mặt đất và phát triển một thói quen đánh giá kỷ luật.

Thử nghiệm CRAP: Một công cụ phân tích hợp lý

Được phát triển bởi các thủ thư tại Đại học California State, Chico, bài kiểm tra CRAP là một trong những khuôn khổ đánh giá được sử dụng rộng rãi nhất.

  • Sự khôi phục:) khi nào những thông tin được xuất bản hay được đăng? nó đã được cập nhật hay sửa đổi? đối với những chủ đề tiến hóa nhanh chóng như công nghệ, y học, hay các sự kiện hiện tại - nguồn thông thường đáng tin cậy hơn.
  • Sự tương phản: Thông tin này có trực tiếp giải đáp câu hỏi hoặc cần thiết không? Hãy xem xét những người được đề nghị: nó nhắm vào chuyên gia, độc giả nói chung hay một độc giả cụ thể?
  • Độ chính xác ) Tác giả, nhà xuất bản hoặc nhà tài trợ là ai? Tìm thông tin liên lạc, kinh nghiệm nghề nghiệp và sự hỗ trợ của các nhà văn hoặc nguồn tài trợ vô danh với những sự xung đột rõ ràng về sở thích.
  • Cơ sở dữ liệu: Thông tin được chứng minh bằng chứng? Nó có thể được kiểm tra qua các nguồn đáng tin cậy khác không? Kiểm tra xem có những kết quả phụ lục, nguồn dữ liệu, và nội dung đã được kiểm tra ngang hàng hay thực tế. Hãy chú ý đến chính tả, ngữ pháp và sự nhất quán hợp lý có thể cho thấy nghiên cứu sơ sài.
  • Đặt ra: Tại sao thông tin này tồn tại?

Bài kiểm tra CRAP đặc biệt hữu ích cho sinh viên, nhà báo và bất cứ ai điều hành ngành nghiên cứu chuyên môn hoặc học tập, đó là một công cụ linh hoạt có thể áp dụng cho sách báo, bài viết, trang web và thậm chí các bài xã hội đăng.

Phương pháp SIFT: Phương pháp hiện đại để giải quyết nội dung trên mạng

Được phát triển bởi Mike Caulfield tại Đại học Washington, phương pháp SIFT được thiết kế đặc biệt cho môi trường mạng nhanh chóng.

  • Dừng lại: trước khi chia sẻ hoặc dựa vào thông tin, hãy tạm dừng và suy nghĩ. Bạn có biết nguồn gốc không? Cảm xúc của bạn có cao không? Cảm xúc cao có thể vượt qua lối suy nghĩ quan trọng.
  • Tìm kiếm nguồn: Ai đã tạo nội dung? Danh tiếng của họ là gì? Hãy tìm kiếm tác giả, tổ chức hoặc xuất bản. Ngay cả tìm kiếm nhanh cũng có thể tiết lộ những dấu đỏ hoặc xác nhận uy tín.
  • Tìm kiếm sự giám sát tốt hơn: thay vì phân tích một nội dung, tìm kiếm báo cáo hoặc phân tích từ nhiều nguồn độc lập. Các nguồn tin đáng tin cậy, kiểm tra sự kiện, và cơ sở dữ liệu học thuật thường cung cấp những quan điểm cân bằng hơn.
  • [FLT: 0] Trích dẫn, và phương tiện truyền thông cho văn cảnh gốc: ) Các cột vi - đê thường gỡ bỏ thông tin từ nguồn gốc, bóp méo ý nghĩa gốc của nó.

SIFT đặc biệt hữu hiệu để đánh giá tin tức mới nhất, mạng xã hội vi- rút, và nội dung được tạo ra bởi nội dung. Nó nhấn mạnh hiệu suất: thay vì dành hàng giờ phân tích mọi chi tiết, người dùng học cách nhanh chóng phân tích thông tin. Một hướng dẫn chi tiết sẵn sàng tại [FLT: 0] [FLT: 0] [FLT: 1].org ).

Khung phụ: RDAR và 5Ws

Những mô hình khác đánh giá cung cấp các quan điểm bổ sung:

Công cụ thực dụng và tài nguyên để làm sáng tỏ

Bên cạnh các khuôn khổ, một loạt các công cụ và cơ sở dữ liệu kỹ thuật số có thể hỗ trợ trong việc xác minh và xác định các yêu cầu và xác định thông tin sai lệch.

Kiểm tra các trang mạng và tổ chức

Các chuyên gia kiểm tra sự thật đã phát triển các phương pháp nghiêm ngặt để xác minh các tuyên bố trên các tuyên bố về chính trị, sức khỏe, khoa học và các vấn đề xã hội.

Khi gặp một yêu cầu đáng ngờ, một cuộc tìm kiếm nhanh trên các trang web này có thể tiết lộ nó đã bị bôi nhọ hay được xác nhận. Để nhận được thông tin sai lệch về sức khỏe, [FLT: 0] Cơ quan Y tế Thế giới quản lý tin tức [FLT: 1] cung cấp hướng dẫn có thẩm quyền.

Tìm kiếm ảnh ngược và định dạng phương tiện

Ảnh và phim thường bị thao tác hoặc bị gỡ bỏ khỏi ngữ cảnh. Công cụ như Tìm kiếm ảnh đảo ) [FLT: 1], ; Mắt , và [FLT:] Tìm kiếm ảnh [FLT:] cho phép bạn tải lên ảnh hoặc cung cấp địa chỉ URL nơi nó xuất hiện. Nó có thể tiết lộ hình ảnh, nhãn cũ, hoặc thay đổi bằng kỹ thuật số. Đối với công cụ như: [FL: FL: FL: FD] [FD: t] và phần mở rộng [F] và trình duyệt]

Những công cụ này đặc biệt có giá trị trong các sự kiện tin tức mới nhất, khi người ta thường tái chế hình ảnh cũ để tạo những câu chuyện kể sai. Thực hành bằng [FLT: 0] Tìm kiếm ngược của Mắt [FLT: 1] để kiểm tra nội dung hình ảnh trước khi chia sẻ.

Phân tích miền và nguồn

Không phải tất cả các trang web đều được tạo ra đều đặn. Hãy sử dụng những chiến lược này để đánh giá uy tín của miền chưa rõ:

Áp dụng khả năng đánh giá trong các đoạn văn có nhiều điểm

Bài kiểm tra thực sự về việc biết thông tin là ứng dụng của nó vào tình huống thế giới thực. dưới đây là những kịch bản chi tiết nơi mà việc đánh giá công cụ tạo nên sự khác biệt rõ ràng trong việc đưa ra quyết định.

Thông tin về sức khỏe: Đang chuyển hướng tư vấn y học trên mạng

Khi nghiên cứu một điều kiện, điều trị, hoặc vắc xin, theo những bước sau:

  • Kiểm tra nguồn: ) Hãy xem xét thông tin từ các cơ quan y tế chính phủ (v. d., CDC, WHO), cơ quan y tế lớn (v. g., Mayo Clinic, John Hopkins, và các tạp chí có cùng quan điểm. Hãy hoài nghi về blog, ảnh hưởng đến truyền thông xã hội, hoặc các trang web bán hàng.
  • Tìm kiếm sự đồng thuận khoa học: sử dụng nơi như PbMed hoặc Google học giả để tìm nghiên cứu gốc. Hãy chú ý đến kích cỡ mẫu, đánh giá ngang hàng, và cho dù các tìm kiếm đã được sao chép. Cẩn thận các dữ liệu đã chọn anh đào hoặc bằng chứng acdotal.
  • Các chuyên gia điều trị: nghiên cứu trực tuyến nên bổ sung, chứ không phải thay thế, lời khuyên từ một nhà cung cấp y tế có khả năng. Luôn luôn thảo luận các phương pháp điều trị với bác sĩ.
  • Không có "phép lạ chữa bệnh": khẳng định rằng quá tốt để được thực sự - chẳng hạn như một bổ sung để chữa nhiều bệnh - là hầu như luôn luôn sai. Áp dụng các tiêu chuẩn CRAP của "Puterion": những nơi này thường tồn tại để bán sản phẩm.

Chẳng hạn, trong đại dịch COVID-19, thông tin sai lệch về cách điều trị như hydroxyloloquine lan truyền nhanh chóng. Các tổ chức kiểm tra sự thật xác nhận nhanh chóng rằng các thử nghiệm lâm sàng không có lợi gì. Dùng các công cụ như Snpes hoặc [FLT: 0] Kiểm tra thực tế [FLT: 1] có thể ngăn ngừa nguy hại.

Tin tức chính trị và tin tức về sự tôn trọng

Mùa bầu cử đặc biệt dễ bị ảnh hưởng bởi những chiến dịch thông tin bị vi phạm.

  • Nguồn tin xác thực:) Kiểm tra tin mới với ít nhất hai ổ cắm đã được thiết lập (v. d., AP, Reuber, BBC, báo địa phương). Nếu một câu chuyện chỉ xuất hiện trên các trang web dành riêng cho người lạ, hãy đối xử với nó với sự hoài nghi sâu sắc.
  • Hãy ghi nhận chiến thuật thao tác: tìm kiếm ngôn ngữ cảm xúc, nguồn không tên, tính cân bằng giả, và các ký hiệu đơn giản hóa vấn đề phức tạp. Bước "SIFT" là quan trọng ở đây.
  • Thông tin bỏ phiếu: thủ tục bầu cử chính thức - các địa điểm, hạn nộp đơn, luật bỏ phiếu thư tín - nên được cung cấp từ quốc gia hay trang web của chính phủ địa phương, không phải thông điệp được chuyển tiếp.
  • Dùng những hướng dẫn không thuộc Đảng: các tổ chức như ) [của Liên đoàn Phụ nữ Voters] cung cấp thông tin đáng tin cậy về cuộc bầu cử.

Một nghiên cứu về trường hợp: Trong cuộc bầu cử năm 2020 ở Hoa Kỳ, các bài viết vi-rút tuyên bố rằng các lá phiếu đã bị bỏ hoặc các máy bỏ phiếu đã chuyển đổi phiếu. các kiểm tra sự thật từ PolitiFact và Faceck.org điều tra các tuyên bố này, thường tìm thấy chúng dựa trên những sự hiểu sai hoặc lừa đảo toàn diện.

Nội dung và lời tuyên bố vi tính của các phương tiện truyền thông

Các thuật toán truyền thông xã hội ưu tiên việc tham gia hơn chính xác.

  • Dùng phương pháp SIFT: [FLT: 1] Dừng, điều tra nguồn, tìm thông tin tốt hơn, và theo dõi văn cảnh gốc.
  • Xem xét ngày tin tức cũ thường được xem là “sự đột phá.
  • Nhận thức được các tài khoản robot:) các tài khoản phát triển không đều thường lan truyền thông tin định dạng. Công cụ như ) Mục (từ Đại học Indiana) có thể phân tích các tài khoản Twitter cho hành vi giống robot.
  • Đừng phóng đại mà không xác minh: Ngay cả việc chia sẻ hoài nghi (v.: “Điều này có đúng không?

Trước khi phản ứng, hãy sử dụng một trang web kiểm tra thực tế hoặc tìm kiếm nhanh để xem câu trích dẫn có được xác nhận hay không.

Hiểu được những con bọ hung làm mờ đi sự đánh giá

Thậm chí những công cụ tốt nhất cũng không hiệu quả nếu người dùng không nhận thức được thành kiến của chính họ.

  • Thành kiến cấu hình:) xu hướng ủng hộ thông tin xác nhận niềm tin đã có sẵn và lờ đi bằng chứng mâu thuẫn. Để chống lại điều này, hãy tích cực tìm kiếm những quan điểm đối lập và sử dụng đoạn thẳng của RADAR.
  • Khả năng tìm kiếm sự ổn định: đánh giá khả năng xảy ra của một sự kiện dựa trên những ví dụ dễ dàng như thế nào.
  • Hiệu ứng khả năng đọc và đánh giá thông tin của chính mình. Điều này đặc biệt phổ biến với những đề tài phức tạp như khoa học hay kinh tế học. Vun trồng tính khiêm tốn trí tuệ và dựa trên sự đồng thuận chuyên môn.
  • Hiệu ứng hậu phương: khi gặp thông tin chỉnh sửa, một số người tăng gấp đôi niềm tin sai lầm ban đầu. Điều này ít phổ biến hơn so với một lần nghĩ, nhưng nó nhấn mạnh nhu cầu cần phải cẩn thận, không đối đầu khi sửa lỗi chính tả.

Nhận thức về những thành kiến này là bước đầu tiên. để kết hợp phản ánh trong quá trình đánh giá của bạn: tự hỏi bản thân, "Tôi có nên đánh giá thông tin này như vậy nếu nó hỗ trợ kết luận ngược lại?" Dùng các khuôn khổ cấu trúc như CRAP và SIFT cung cấp một kiểm tra chống lại các mô hình tư duy tự động.

Xây dựng thông tin bằng giáo dục

Trường học, thư viện và các tổ chức cộng đồng đóng vai trò quan trọng trong việc dạy những kỹ năng đánh giá.

Hợp nhất phương tiện đa phương tiện vào Curricula

Nhiều tiểu bang trên khắp thế giới hiện đang yêu cầu giáo dục về việc đọc báo chí, nghiên cứu cho thấy học sinh nhận được sự hướng dẫn rõ ràng trong các nguồn tài liệu đánh giá hoạt động tốt hơn trong việc phân biệt đáng tin cậy với thông tin sai.

Các khóa học trên mạng và sự phát triển chuyên nghiệp

Người lớn cũng có thể được lợi ích từ việc học tập có cấu trúc. Các nền tảng như coursera, edX và FutureLearn đưa ra các khóa học về tư duy chỉ trích, việc biết đọc truyền thông và kiểm tra thực tế.

Sự sáng tạo không có tính cộng đồng

Thư viện công cộng và trung tâm giáo dục người lớn có thể tổ chức các hội thảo về đánh giá thông tin, đặc biệt đối với những công dân cao tuổi có thể là mục tiêu của những trò lừa đảo trực tuyến.

Vai trò của thuật toán, nền tảng và chính sách

Kỹ năng đánh giá cá nhân là cần thiết nhưng chưa đủ thiết kế của nền tảng kỹ thuật số thường làm suy yếu việc đưa ra quyết định sáng suốt bằng cách ưu tiên cho sự chính xác hiểu biết cảnh quan này là một phần của một công dân có hiểu biết

Các thuật toán truyền thông xã hội phổ biến những tính chất giật gân, chia rẽ và sai lầm bởi vì nó tạo ra những cú click và chia sẻ. người dùng có thể giảm thiểu điều này bằng:

  • Theo dõi những tài khoản từ các nhà báo, nhà khoa học và kiểm tra sự kiện.
  • Công cụ chạy nền:) Một số nền tảng cung cấp nhãn ngữ cảnh hoặc nhãn kiểm tra các lá cờ thực tế. Trong khi không hoàn hảo, những tính năng này tạo ra một dấu nhắc để điều tra thêm.
  • Minh bạch nâng cấp:) Hướng dẫn cho nền tảng để tiết lộ các thuật toán hoạt động như thế nào và cung cấp cho người dùng nhiều điều khiển hơn nội dung của họ.

Đạo luật Công đoàn số Châu Âu đòi hỏi những nền tảng để đánh giá những rủi ro của việc thông tin sai lệch và cung cấp những tài liệu quảng cáo minh bạch.

Kết luận: Từ chủ nghĩa hoài nghi đến quyền lực

Đánh giá thông tin không phải là về sự hoài nghi hay nghi tất cả mọi thứ. mà là một hình thức trao quyền cho phép cá nhân có thể định hướng sự phức tạp với sự tự tin. bằng cách nắm vững các khuôn khổ như kiểm tra CRAP và phương pháp SIFT, sử dụng công cụ xác minh như tìm kiếm ảnh ngược lại và các trang web kiểm tra thực tế, tiếp tục nhận định định định định vị trí, và cổ vũ cho các thay đổi hệ thống, công dân có thể bảo vệ mình khỏi thao túng và đóng góp cho một xã hội có hiểu biết hơn.

Chi phí để đánh giá thông tin là cao không chỉ cho cá nhân mà còn cho nền dân chủ sự suy giảm sự tin tưởng vào các tổ chức, phân cực các cộng đồng, và dẫn đến những quyết định độc hại cá nhân. Ngược lại, dân số được trang bị những kỹ năng đánh giá cao thúc đẩy sự kiên cường chống lại sự tuyên truyền và đưa ra những lựa chọn cải thiện sự thịnh vượng tập thể.

Bắt đầu từ nhỏ: lần tới khi bạn gặp một tuyên bố bất ngờ, dừng lại và áp dụng một trong những khuôn khổ được mô tả ở đây kiểm tra trước khi chia sẻ những thực hành này trở thành bản năng thứ hai, biến bạn từ người tiêu dùng thụ động thành một người tham gia hoạt động, nhận thức trong thế giới số