← नवीनतम पेपर
💻 computer science

Who Checks the Checkers? Exploring Source Credibility in Twitter's Community Notes

यह अध्ययन यह प्रकट करने के लिए ट्विटर के कम्युनिटी नोट्स का विश्लेषण करता है कि जहाँ प्लेटफॉर्म का रैंकिंग एल्गोरिदम उपयोगकर्ता सहमति को प्रभावित करने के लिए स्रोत तथ्यात्मकता का प्रभावी ढंग से लाभ उठाता है, वहीं क्राउड-सोर्स्ड तथ्य-जांच प्रक्रिया अपने स्रोत चयन और उपयोग पैटर्न में एक वामपंथी झुकाव प्रदर्शित करती है।

मूल लेखक: Uku Kangur, Roshni Chakraborty, Rajesh Sharma

प्रकाशित 2026-01-28
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Uku Kangur, Roshni Chakraborty, Rajesh Sharma

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि ट्विटर (अब X) एक विशाल, अराजक शहर का चौक है जहाँ हर कोई खबरें, विचार और अफवाहें चिल्लाकर सुना रहा है। अतीत में, यदि कोई कुछ गलत चिल्लाता था, तो विशेषज्ञों की एक छोटी टीम (पेशेवर तथ्य-जांचकर्ता या फैक्ट-चेकर्स) उन्हें रोकने की कोशिश करती थी। लेकिन हर सेकंड इतनी अधिक चिल्लाचार हो रही थी कि वे लाइब्रेरियन तालमेल नहीं बिठा पा रहे थे।

इसलिए, ट्विटर ने कम्युनिटी नोट्स (Community Notes) पेश किया। इसे एक "नेबरहुड वॉच" (पड़ोस की निगरानी) कार्यक्रम के रूप में समझें। केवल विशेषज्ञों के बजाय, अब कोई भी आम नागरिक आगे आकर किसी गलत बात को चिह्नित कर सकता है, और प्रमाण के रूप में लिंक के साथ यह समझा सकता है कि वह क्यों गलत है।

आपने जो शोध पत्र साझा किया है, वह एक बहुत ही महत्वपूर्ण प्रश्न पूछता है: "चेकर्स को चेक करने वाले पड़ोसी कौन हैं?" दूसरे शब्दों में, जब ये आम नागरिक गलत सूचनाओं को सुधारने के लिए नोट्स लिखते हैं, तो वे किस प्रकार के "प्रमाण" (स्रोत) का उपयोग कर रहे हैं, और क्या उस प्रमाण में अपना स्वयं का छिपा हुआ पूर्वाग्रह है?

यहाँ शोधकर्ताओं द्वारा किए गए निष्कर्षों का विवरण दिया गया, जिसे सरल उपमाओं के माध्यम से समझाया गया है:

1. "गो-टू" स्रोत (पसंदीदा किताबें)

जब पड़ोसी अपने सुधार नोट लिखते हैं, तो वे अपने तथ्य कहाँ से प्राप्त करते हैं?

  • प्रमुख खिलाड़ी (The Heavy Hitters): दो सबसे लोकप्रिय स्रोत ट्विटर स्वयं (लोग अपनी बात साबित करने के लिए अन्य ट्वीट्स का हवाला देते हैं) और विकिपीडिया हैं। यह पड़ोसियों के ऐसा कहने जैसा है, "मुझे पता है कि आपने वह ट्विटर पर देखा, लेकिन देखिए कि उस दूसरे ट्वीट ने क्या कहा," या "आइए सामुदायिक विश्वकोश (encyclopedia) की जाँच करें।"
  • समाचार आउटलेट्स: जब वे बाहरी समाचारों का लिंक देते हैं, तो वे मुख्य रूप से वामपंथी (left-leaning) समाचार स्रोतों (जैसे BBC या Reuters) का उपयोग करते हैं।
  • विशेषज्ञ: विज्ञान और स्वास्थ्य के लिए, वे सरकारी और अनुसंधान समूहों (जैसे WHO या CDC) पर बहुत अधिक भरोसा करते हैं।

2. प्रमाण का राजनीतिक "स्वाद" (Political Flavor)

शोधकर्ताओं ने इन स्रोतों के "स्वाद" को यह देखने के लिए चखा कि क्या वे पक्षपाती थे।

  • वामपंथी झुकाव का रुझान: उपयोग किए जाने वाले अधिकांश स्रोत वाम-मध्य (Left-Center) और उच्च तथ्यात्मकता (High Factuality) वाले हैं। कल्पना कीजिए कि एक ऐसा शहर जहाँ अधिकांश लोग सुधार नोट लिख रहे हैं, वे लाइब्रेरी के "वाम" पक्ष की किताबों का उपयोग कर रहे हैं, और वे किताबें आम तौर पर बहुत सटीक हैं।
  • दक्षिणपंथी समस्या (The Right-Side Problem): जब स्रोत दक्षिणपंथी (Right) झुकाव वाले होते हैं, तो उनकी रेटिंग कम तथ्यात्मकता वाली होने की अधिक संभावना होती है। यह ऐसा है जैसे "दक्षिण" पक्ष की लाइब्रेरी में ऐसी किताबों का मिश्रण है जिसमें सच और कल्पना दोनों शामिल हैं।
  • "केंद्र" का विरोधाभास: दिलचस्प बात यह है कि जो स्रोत पूरी तरह से तटस्थ (Center) हैं, उनका उपयोग किसी ट्वीट को खंडित (refute) करने के लिए अधिक किया जाता है, जबकि पक्षपाती स्रोतों का उपयोग कभी-कभी ट्वीट का समर्थन करने के लिए किया जाता है।

3. "उपयोगिता" परीक्षण (न्यायाधीश का हथौड़ा)

ट्विटर का एक विशेष एल्गोरिदम (एक डिजिटल न्यायाधीश) यह तय करता है कि कौन से नोट्स "सहायक" (Helpful) हैं और उन्हें सभी को दिखाया जाना चाहिए, और कौन से "सहायक नहीं" (Not Helpful) हैं।

  • गुणवत्ता मायने रखती है: न्यायाधीश स्मार्ट है। जो नोट्स उच्च-गुणवत्ता वाले, तथ्यात्मक स्रोतों का उपयोग करते हैं, उन्हें "सहायक" के रूप में चिह्नित किया जाता है। जो नोट्स निम्न-गुणवत्ता वाले स्रोतों का उपयोग करते हैं, उन्हें "सहायक नहीं" के रूप में चिह्नित किया जाता है।
  • पूर्वाग्रह की अंध बिंदु (Bias Blind Spot): यहाँ एक मोड़ है: न्यायाधीश नोट्स को "सहायक" के रूप में चिह्नित करता है, भले ही वे वाम या दक्षिण पक्ष के पक्षपाती स्रोतों का उपयोग करते हों, बशर्ते कि स्रोत तथ्यात्मक हो। हालाँकि, यदि कोई नोट दक्षिणपंथी-पक्षपाती स्रोत का उपयोग करता है जो निम्न-गुणवत्ता का भी है, तो उसे खारिज कर दिया जाता है।
  • समर्थन बनाम खंडन: शोधकर्ताओं ने पाया कि कुछ संदिग्ध है: जो नोट्स किसी ट्वीट का समर्थन (defend) करने की कोशिश करते हैं, उनमें दक्षिणपंथी स्रोतों और निम्न-गुणवत्ता वाले स्रोतों के उपयोग की संभावना अधिक होती है। यह पड़ोसियों के एक समूह द्वारा कमजोर साक्ष्य का उपयोग करके अफवाह का बचाव करने जैसा है, जबकि अफवाहों को खारिज करने वाले समूह द्वारा ठोस, उच्च-गुणवत्ता वाले साक्ष्य का उपयोग किया जा रहा है।

4. "सहमति" मीटर (भीड़ की सहमति)

अंत में, शोधकर्ताओं ने देखा कि भीड़ उन नोट्स से कितनी सहमत थी।

  • सत्य की जीत: जब कोई नोट ऐसे स्रोत का उपयोग करता है जिसकी तथ्यात्मकता उच्च (High Factuality) है, तो भीड़ उससे अधिक सहमत होती है।
  • दक्षिणपंथी घर्षण (Right-Side Friction): दक्षिणपंथी-पक्षपाती स्रोतों का हवाला देने वाले नोट्स को भीड़ से सबसे कम सहमति मिली। लोग उनके साथ सहमत होने के लिए कम इच्छुक थे।
  • तटस्थ का सुखद संगम (The Neutral Sweet Spot): केंद्र (Center) या वाम-झुकाव (Left-leaning) वाले स्रोतों का हवाला देने वाले नोट्स को उच्च सहमति मिली, जो बताता है कि भीड़ इस विशिष्ट वातावरण में तटस्थ या वामपंथी तथ्यों पर अधिक भरोसा करती है।

बड़ी तस्वीर (The Big Picture)

अध्ययन निष्कर्ष निकालता है कि हालांकि "नेबरहुड वॉच" (कम्युनिटी नोट्स) निम्न-गुणवत्ता वाले कचरे को बाहर निकालने में अच्छा काम कर रहा है (एल्गोरिदम काम कर रहा है!), लेकिन इसमें एक प्रणालीगत पूर्वाग्रह (systemic bias) है कि कौन जाँच कर रहा है।

"चेकर्स" मुख्य रूप से वामपंथी-झुकाव वाले, उच्च-गुणवत्ता वाले स्रोतों का उपयोग कर रहे हैं। इसका मतलब है कि प्लेटफॉर्म का तथ्य-जांच पारिस्थितिकी तंत्र अनजाने में एक राजनीतिक दृष्टिकोण को दूसरे पर प्राथमिकता दे सकता है। ऐसा नहीं है कि पड़ोसी झूठ बोल रहे हैं; बल्कि यह है कि जिस लाइब्रेरी से वे किताबें उधार ले रहे हैं, वह मुख्य रूप से राजनीतिक स्पेक्ट्रम के एक पक्ष की किताबों से भरी हुई है।

संक्षेप में: सिस्टम खराब तथ्यों को पकड़ने में अच्छा काम करता है, लेकिन उन तथ्यों का उपयोग करने वाले "तथ्य" जो पकड़ने का काम कर रहे हैं, इंटरनेट के एक विशिष्ट, वामपंथी कोने से आते हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →