Beyond Binary Detection: A Multi-Dimensional Taxonomy of Cancer Misinformation on Reddit
यह शोध पत्र रेडिट (Reddit) पर कैंसर संबंधी गलत सूचनाओं को वर्गीकृत करने के लिए एक बहु-आयामी वर्गीकरण और विशेषज्ञ-एनोटेटेड डेटासेट प्रस्तुत करता है, जो यह प्रकट करता है कि ऐसी सामग्री चर्चाओं का लगभग 6% हिस्सा है और यह प्रदर्शित करता है कि फ्यू-शॉट प्रॉम्प्टिंग (few-shot prompting) सूक्ष्म गलत सूचना नैरेटिव्स का पता लगाने की लार्ज लैंग्वेज मॉडल्स की क्षमता को महत्वपूर्ण रूप से बढ़ाती है।
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 शहर के चौक की तरह है जहाँ लोग अपने स्वास्थ्य के बारे में बात करने के लिए इकट्ठा होते हैं। कैंसर के रोगियों और उनके परिवारों के लिए, रेडिट (Reddit) एक विशाल, 24 घंटे चलने वाले सपोर्ट ग्रुप की तरह है जहाँ वे अपनी कहानियाँ साझा करते हैं, सलाह मांगते हैं, और डरावखी चिकित्सा खबरों का अर्थ समझने की कोशिश करते हैं। लेकिन किसी भी भीड़भाड़ वाले चौक की तरह, यहाँ भी कुछ ऐसे लोग भी हैं जो अजीबोगरीब अफवाहें फैला रहे हैं, नकली जादुई औषधियाँ बेच रहे हैं, और भ्रमित करने वाली कहानियाँ सुना रहे हैं जो लोगों को गलत रास्ते पर ले जा सकती हैं।
यह शोध पत्र एक टीम के जासूसों (जो विशेषज्ञ डॉक्टर और कंप्यूटर वैज्ञानिक भी हैं) की तरह है जो यह पता लगाने की कोशिश कर रहे हैं कि इस शहर के चौक में किस तरह की अफवाहें तैर रही हैं। केवल "वह झूठ है!" या "वह सच है!" चिल्लाने के बजाय, उन्होंने एक बहुत ही विस्तृत मानचित्र बनाया है—एक बहु-आयामी वर्गीकरण (multi-dimensional taxonomy)—ताकि वे इस शोर को अलग-अलग श्रेणियों में बांट सकें। इसे लेगो (LEGO) के एक बिखरे हुए डिब्बे को केवल रंग से ही नहीं, बल्कि आकार, साइज और इस आधार पर भी छांटने जैसा समझें कि यदि आप उस पर पैर रख दें तो वह कितना खतरनाक हो सकता है।
बड़ी खोज: यह दुर्लभ है, लेकिन मौजूद है
टीम ने ब्रेस्ट, लंग, कोलन और प्रोस्टेट कैंसर के लिए समर्पित समुदायों से 134,219 पोस्टों का एक विशाल ढेर देखा। उन्होंने पाया कि गलत सूचना (misinformation) (बुरी, भ्रमित करने वाली या झूठी चीजें) सभी बातचीत का लगभग 6% हिस्सा बनाती है।
यह सुनने में छोटा लग सकता है, जैसे एक बड़े बैरल में कुछ खराब सेबों का मिलना। लेकिन जब आप गणित करते हैं, तो उस विशाल ढेर का 6% संभावित रूप से हानिकारक जानकारी वाले 7,949 पोस्ट के बराबर होता है। यह बहुत सारी संख्या है जिसे लोग भ्रमित करने वाली सलाह पढ़ रहे हैं! शोध पत्र सुझाव देता है कि भले ही यह अधिकांश बातों का हिस्सा नहीं है, फिर भी यह सामग्री की एक महत्वपूर्ण मात्रा है जो किसी को वास्तविक चिकित्सा देखभाल में देरी करने या खतरनाक "इलाजों" को आज़माने के लिए बहका सकती है।
अफवाहें वास्तव में किस बारे में हैं
जासूसों ने केवल खराब पोस्टों को नहीं गिना; उन्होंने यह भी देखा कि अफवाहें किस विषय पर थीं। उन्होंने पाया कि सबसे आम झूठ "चमत्कारी उपचारों" या "गुप्त प्राचीन नुस्खों" के बारे में नहीं थे (भले ही लोग अक्सर यही सोचते हैं कि यही बड़ी समस्या है)। इसके बजाय, सबसे अधिक बार होने वाली गलत सूचना इन विषयों पर थी:
- निदान और स्क्रीनिंग (Diagnosis and Screening): मैमोग्राम, कोलोनोस्कोपी, या आपको कैंसर है या नहीं, यह जानने के बारे में भ्रमित करने वाले दावे।
- मानक चिकित्सा के प्रति अविश्वास (Distrusting Standard Medicine): ऐसी कहानियाँ जो लोगों को कीमोथेरेपी, रेडिएशन या सामान्य रूप से डॉक्टरों से डराती हैं।
वास्तव में, 42% गलत सूचना निदान और स्क्रीनिंग के बारे में थी और 37% मानक उपचारों की सुरक्षा और प्रभावशीलता के बारे में थी। शोध पत्र का तर्क है कि ये विशिष्ट प्रकार के भ्रम "वैकल्पिक चिकित्सा" के घोटालों की तुलना में अधिक आम हैं जिनके बारे में लोग आमतौर पर चिंतित रहते हैं।
"अनिश्चितता" का जाल
सबसे दिलचस्प खोज यह है कि यह गलत सूचना कैसे फैलती है। टीम ने पाया कि अधिकांश समय, लोग आक्रामक रूप से झूठ नहीं बोल रहे होते हैं। इसके बजाय, गलत सूचना के बारे में 63% चर्चाएँ प्रश्नों या अनिश्चितता के रूप में फ्रेम की गई थीं।
कल्पना कीजिए कि कोई पूछ रहा है, "मैंने सुना है कि यह गोली कैंसर रोक सकती है, लेकिन क्या यह सच है?" या "मेरे चाचा ने कहा कि सर्जरी बुरी है, आप क्या सोचते हैं?" शोध पत्र सुझाव देता है कि यह "सवाल पूछने" वाला तरीका वास्तव में गलत सूचना फैलाने का मुख्य तरीका है। यह एक ज़ोरदार चिल्लाहट नहीं है; यह संदेह की एक फुसफुसाहट है जो लोगों को हिचकिचाने पर मजबूर कर देती है। यह मॉडरेटर्स के लिए इसे रोकना बहुत कठिन बना देता है, क्योंकि वे किसी की वास्तविक चिंता को चुप कराने के नाम पर केवल एक प्रश्न को डिलीट नहीं कर सकते।
"जादुई" कंप्यूटर सहायक
इन सभी पोस्टों को छांटने के लिए, टीम ने आर्टिफिशियल इंटेलिजेंस (विशेष रूप से, लार्ज लैंग्वेज मॉडल्स या LLMs) का उपयोग करने की कोशिश की। शुरुआत में, कंप्यूटर थोड़े अनाड़ी थे, जैसे कोई नया छात्र जटिल चुटकुले को समझने की कोशिश कर रहा हो। लेकिन जब टीम ने कंप्यूटर को कुछ उदाहरण दिए कि उन्हें क्या देखना है (एक तकनीक जिसे फ्यू-शॉट प्रॉम्प्टिंग/few-shot prompting कहा जाता है), तो कंप्यूटर बहुत बेहतर हो गए।
सिर्फ थोड़े से मार्गदर्शन (जैसे कंप्यूटर को 1 से 5 उदाहरण दिखाना) के साथ, AI मॉडल बहुत सटीक हो गए, और खराब पोस्टों की पहचान करने में 0.95 का स्कोर प्राप्त किया। यह बताता है कि हम इन स्मार्ट उपकरणों का उपयोग स्वास्थ्य संबंधी बातचीत को छांटने के लिए कर सकते हैं, लेकिन उन्हें अच्छी तरह काम करने के लिए मानव विशेषज्ञों के थोड़े मार्गदर्शन की आवश्यकता होती है।
शोध पत्र क्या नहीं कहता
यह जानना महत्वपूर्ण है कि इस अध्ययन ने क्या नहीं पाया। शोध पत्र स्पष्ट रूप से कहता है कि उनके परिणाम केवल रेडिट पर आधारित हैं। वे यह दावा नहीं करते हैं कि यह टिकटॉक, फेसबुक या निजी सपोर्ट ग्रुप्स में बिल्कुल वैसा ही है जैसा यहाँ है। वे यह भी नहीं कहते कि उन्होंने कैंसर की गलत सूचना की समस्या को "हल" कर दिया है। उन्होंने बस एक बेहतर मानचित्र बनाया है और हमें दिखाया है कि धुंधले क्षेत्र कहाँ हैं।
वे यह भी बताते हैं कि उनके मानचित्र के कुछ हिस्से अस्पष्ट हैं। उदाहरण के लिए, यह तय करना कि कोई पोस्ट "उच्च जोखिम" वाला है या "कम जोखिम" वाला, मानव डॉक्टरों के लिए भी सहमति बनाना कठिन था। शोध पत्र सुझाव देता है कि किसी अफवाह के खतरे का निर्णय लेना व्यक्तिपरक हो सकता है और संदर्भ पर निर्भर करता है, इसलिए वे यह दावा नहीं करते कि उनके जोखिम लेबल 100% सटीक तथ्य हैं।
निष्कर्ष
यह शोध पत्र एक अंधेरे कमरे में टॉर्च की तरह है। यह हमें दिखाता है कि जहाँ रेडिट पर अधिकांश कैंसर चर्चाएँ सहायक और मददगार हैं, वहीं अनिश्चितता और प्रश्नों के माध्यम से चुपचाप फैलने वाली भ्रम और संदेह की एक छिपी हुई परत भी मौजूद है। यह आमतौर पर पागलपन भरे षड्यंत्रों के बारे में नहीं है, बल्कि स्क्रीनिंग और मानक उपचारों के संबंध में रोजमर्रा के संदेहों के बारे में है। इन पोस्टों को छांटने के लिए स्मार्ट कंप्यूटर टूल्स का उपयोग करके, हम यह बेहतर समझ सकते हैं कि उन लोगों की मदद कैसे की जाए जिन्हें उन महत्वपूर्ण बातचीत को बंद किए बिना शोर के बीच रास्ता खोजने की आवश्यकता है।
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।