Leveraging Machine Learning Techniques to Investigate Media and Information Literacy Competence in Tackling Disinformation
यह अध्ययन दुष्प्रचार (disinformation) के संबंध में मीडिया और सूचना साक्षरता दक्षताओं की भविष्यवाणी करने के लिए 723 शिक्षा और संचार के छात्रों के डेटा पर मशीन लर्निंग मॉडल का उपयोग करता है, जो यह प्रकट करता है कि जटिल एल्गोरिदम और शैक्षणिक वर्ष एवं पूर्व प्रशिक्षण जैसे कारक भविष्यवाणी की सटीकता को महत्वपूर्ण रूप से बढ़ाते हैं ताकि लक्षित शैक्षिक हस्तक्षेपों का मार्गदर्शन किया जा सके।
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 इंटरनेट एक विशाल, हलचल भरे बाजार की तरह है। इस बाजार में, ईमानदार विक्रेता हैं जो ताज़ा और सच्ची जानकारी बेच रहे हैं, लेकिन वहां कुछ चालाक ठग भी हैं जो चमकदार, आकर्षक पैकेजिंग में लिपटे "नकली फल" बेच रहे हैं। यही भ्रामक सूचना (disinformation) है।
लंबे समय से, विशेषज्ञ इस बात को लेकर चिंतित हैं कि युवा, जो इस डिजिटल बाजार में बहुत समय बिताते हैं, उनके पास असली फल और नकली फल के बीच अंतर करने के लिए सही उपकरण नहीं हैं। उन्हें मीडिया और सूचना साक्षरता (MIL) की आवश्यकता है—जो मूल रूप से एक "सुपरपावर" है जो आपको नकली चीजों को पहचानने, सामग्री की जांच करने और यह तय करने में मदद करती है कि क्या खरीदना है।
यह शोध पत्र एक समूह के शोधकर्ताओं के बारे में है जिन्होंने यह समझने के लिए एक स्मार्ट रोबोट बनाने का निर्णय लिया कि भविष्य के शिक्षक और पत्रकार (वे लोग जो अंततः हमें सब कुछ सिखाएंगे) इस सुपरपावर का उपयोग कितनी अच्छी तरह कर रहे हैं।
यहाँ उनके प्रयोग की कहानी है, जिसे सरल रूप में समझाया गया है:
1. मिशन: "नकली फल" के जासूसों को खोजना
शोधकर्ताओं ने 723 विश्वविद्यालय के छात्रों को इकट्ठा किया जो शिक्षक या संचार विशेषज्ञ बनने की पढ़ाई कर रहे थे। उन्होंने उनसे प्रश्नों की एक श्रृंखला (एक सर्वेक्षण) पूछी ताकि यह देखा जा सके कि वे इनमें कितने कुशल थे:
- जानने में: कि नकली समाचार कैसा दिखता है।
- करने में: कि समाचार असली है या नहीं, इसकी जांच करने के लिए सही कदम उठाना।
- महसूस करने में: कि झूठ फैलाने को रोकने की जिम्मेदारी लेना।
2. उपकरण: "क्रिस्टल बॉल" रोबोट
सर्वेक्षण के उत्तरों को केवल आवर्धक लेंस (magnifying glass) से देखने के बजाय (जैसा कि वैज्ञानिक आमतौर पर करते हैं), उन्होंने मशीन लर्निंग (ML) का उपयोग किया।
- ML को एक सुपर-स्मार्ट जासूसी रोबलेट की तरह समझें। आप इसमें सारा सर्वेक्षण डेटा फीड करते हैं, और यह उन छिपे हुए पैटर्न को खोजने की कोशिश करता है जिन्हें इंसान छोड़ सकते हैं।
- रोबोट का काम तीन चीजें करना था:
- छात्र के मेजर (विषय) का अनुमान लगाना: क्या रोबोट केवल उनके उत्तरों को देखकर यह बता सकता था कि छात्र शिक्षा (Education) पढ़ रहा है या संचार (Communication)?
- सुराग ढूंढना: कौन से प्रश्न सबसे महत्वपूर्ण थे? क्या यह नकली समाचार की परिभाषा जानना था, या इस विषय पर कोई कक्षा ली जाना था?
- स्कोर का अनुमान लगाना: यदि हम छात्र की आयु, लिंग और प्रशिक्षण को जानते हैं, तो क्या रोबोट अनुमान लगा सकता है कि वह झूठ पकड़ने में कितना अच्छा होगा?
3. परिणाम: रोबोट ने क्या पाया
रोबोट ने यह देखने के लिए अलग-अलग "टोपियाँ" (विभिन्न एल्गोरिदम) पहनीं कि कौन सा सबसे अच्छा काम करता है।
- "दिमाग वाले" रोबल्स जीत गए: साधारण रोबोट (जैसे एक सिंगल डिसीजन ट्री) ठीक थे, लेकिन जटिल, टीम-आधारित रोबोट (जैसे रैंडम फॉरेस्ट और सपोर्ट वेक्टर मशीन) बहुत बेहतर थे। वे आपस में सुराग साझा करने वाले जासूसों की एक टीम की तरह थे, न कि एक अकेले जासूस की तरह।
- "प्रशिक्षण" का सुराग: सबसे महत्वपूर्ण सुराग जो रोबोट को मिला वह था पूर्व प्रशिक्षण (prior training)। जिन छात्रों ने पहले से ही भ्रामक सूचनाओं पर एक कक्षा ली थी, वे नकली फल को पहचानने में बहुत बेहतर थे। यह बाजार के मानचित्र रखने जैसा है; यदि आप पहले वहां रह चुके हैं, तो आप जानते हैं कि ठग कहाँ छिपे होते हैं।
- "वर्ष" का सुराग: रोबोट ने यह भी गौर किया कि विश्वविद्यालय के अंतिम वर्ष के छात्र आमतौर पर प्रथम वर्ष के छात्रों की तुलना में इस मामले में बेहतर थे। वे लंबे समय से "प्रशिक्षण" ले रहे थे।
4. मुख्य निष्कर्ष
अध्ययन ने साबित किया कि जटिल समस्याओं को हल करने के लिए जटिल उपकरणों की आवश्यकता होती है। आप केवल यह नहीं पूछ सकते, "क्या आप जानते हैं कि नकली समाचार क्या है?" और एक सरल उत्तर की अपेक्षा कर सकते हैं। आपको पूरी तस्वीर देखनी होगी: उनकी शिक्षा, उनका प्रशिक्षण और उनका दृष्टिकोण।
यह क्यों मायने रखता है?
कल्पना कीजिए कि आप एक कोच हैं जो एक स्पोर्ट्स टीम को प्रशिक्षित करने की कोशिश कर रहे हैं। यदि आप केवल एक आंकड़े (जैसे गति) को देखते हैं, तो आप शायद यह चूक जाएं कि एक खिलाड़ी वास्तव में रणनीति में बहुत अच्छा है। यह अध्ययन कहता है कि स्कूलों को इन "स्मार्ट रोबोट" अंतर्दृष्टि का उपयोग करके बेहतर कक्षाएं डिजाइन करने की आवश्यकता है।
- केवल तथ्य न पढ़ाएं: छात्रों को एक जासूस की तरह सोचना और कार्य करना सिखाएं।
- जल्दी शुरुआत करें: चूंकि प्रशिक्षण एक बड़ा अंतर पैदा करता है, इसलिए हमें विश्वविद्यालय में आने से पहले ही इन कौशलों को सिखाना शुरू करना चाहिए।
- प्रशिक्षण को व्यक्तिगत बनाएं: चूंकि अलग-अलग छात्रों की अलग-अलग ताकत होती है, इसलिए हम इन मॉडलों का उपयोग उनके लिए कस्टम पाठ बनाने के लिए कर सकते हैं।
संक्षेप में
शोधकर्ताओं ने यह देखने के लिए एक डिजिटल क्रिस्टल बॉल बनाई कि भविष्य के शिक्षक ऑनलाइन झूठ को कितनी अच्छी तरह पकड़ सकते हैं। उन्होंने पाया कि स्मार्ट उपकरण (मशीन लर्निंग) उन पैटर्न को पहचान सकते हैं जिन्हें सरल गणित मिस कर देता है। सबसे बड़ा सबक? प्रशिक्षण काम करता है। यदि आप लोगों को सिखाते हैं कि डिजिटल बाजार में "नकली फल" को कैसे पहचाना जाए, तो वे खुद को और दूसरों को धोखा दिए जाने से बचाने में बहुत बेहतर हो जाते 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।