Understanding Fake News through a Quantifiable Linguistic Feature Framework
यह अध्ययन एक मात्रात्मक भाषाई विशेषता ढांचे को विकसित करके फर्जी समाचारों (फेक न्यूज) के लक्षण वर्णन के लिए व्यवस्थित दृष्टिकोण की कमी को संबोधित करता है, जो SHAP-उन्नत मशीन लर्निंग विश्लेषण के माध्यम से, तीन संज्ञानात्मक तंत्रों में व्यवस्थित आठ मुख्य विशेषताओं की पहचान करता है, जिससे गलत सूचना को समझने, पता लगाने और नियंत्रित करने के लिए एक नया दृष्टिकोण प्राप्त होता है।
मूल पेपर CC BY 4.0 (https://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
डिजिटल सूचना की विशाल, बहती हुई नदी में, एक विशिष्ट और खतरनाक धारा उभर कर आई है: तथ्यों के रूप में प्रस्तुत की गई झूठी कहानियाँ। ये केवल आकस्मिक त्रुटियाँ या हानिरहित अफवाहें नहीं हैं, बल्कि सावधानीपूर्वक निर्मित आख्यान हैं जिन्हें हमारी स्वाभाविक रक्षा प्रणाली को दरकिनार करने और दुनिया को देखने के हमारे नजरिए को आकार देने के लिए डिज़ाइन किया गया है। वर्षों से, वैज्ञानिक और पत्रकार इन कहानियों को पकड़ने की कोशिश कर रहे हैं, अक्सर स्पष्ट वर्तनी की गलतियों या बेतुके दावों की तलाश करते हैं। हालाँकि, सबसे प्रभावी झूठ शायद ही कभी स्पष्ट होते हैं; वे वास्तविक समाचारों की शैली की इतनी बारीकी से नकल करते हैं कि वे हमारी प्रारंभिक जांच से बच निकलते हैं। इस धोखे को समझने के लिए, शोधकर्ताओं को कहानी की सतह से परे देखना होगा और भाषा की अदृश्य संरचना का परीक्षण करना होगा। इसमें यह अध्ययन करना शामिल है कि शब्दों का चयन कैसे किया जाता है, वाक्यों की संरचना कैसी होती है, और पाठक के मन में विशिष्ट प्रतिक्रियाएं उत्पन्न करने के लिए भावनात्मक संकेतों को पाठ में कैसे बुना जाता है। लक्ष्य यह है कि एक फर्जी कहानी कैसी दिखती है इसका अनुमान लगाने के बजाय, यह मापा जाए कि इसे वास्तव में कैसे बनाया गया है, जिससे अस्पष्ट संदेहों को ठोस, गणनीय पैटर्न में बदला जा सके।
चीन के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने एक विशाल, व्यवस्थित मानचित्र बनाकर इस चुनौती को स्वीकार किया है जो फर्जी खबरों को परिभाषित करने वाली भाषाई विशेषताओं का वर्णन करता है। किसी एकल कंप्यूटर प्रोग्राम या अंतर्ज्ञान पर निर्भर रहने के बजाय, उन्होंने एक ऐसा ढांचा तैयार किया जो समाचार लेखों को विश्लेषण के चार मुख्य क्षेत्रों में विभाजित करता है: भावनात्मक मनोविज्ञान, कथा संरचना, भाषाई शैली, और सूचनात्मक जटिलता। इन चार क्षेत्रों के भीतर, उन्होंने भाषा की बीस-चार विशिष्ट श्रेणियों की पहचान की, जिन्हें आगे एक सौ तीन सूक्ष्म, मापने योग्य संकेतकों में विभाजित किया गया था। कल्पना कीजिए कि एक कहानी केवल पाठ का एक ब्लॉक नहीं है, बल्कि एक सौ तीन अलग-अलग लीवर और डायल का संग्रह है, जिनमें से प्रत्येक कुछ विशिष्ट चीज़ को मापता है, जैसे विस्मयादिबोधक चिह्नों (!) की संख्या से लेकर लेखक द्वारा "हम" या "वे" जैसे सर्वनामों का उपयोग करने के तरीके तक, और शब्दावली की जटिलता से लेकर विशिष्ट तिथियों या स्थानों की उपस्थिति तक। इन तत्वों को परिमाणित करके, शोधकर्ताओं ने "हेरफेर करने वाली भाषा" के अमूर्त विचार को संख्याओं के एक ऐसे सेट में बदल दिया जिसे तुलना और विश्लेषण किया जा सके।
यह देखने के लिए कि इनमें से कौन से एक सौ तीन लीवरों ने वास्तव में डोर खींची थी, टीम ने हजारों वास्तविक और फर्जी समाचार लेखों को पांच अलग-अलग प्रकार के मशीन लर्निंग मॉडल में डाला। ये मॉडल विभिन्न प्रकार के जासूसों की तरह हैं; कुछ सरल पैटर्न खोजते हैं, जबकि अन्य जटिल, छिपे हुए संबंधों की तलाश करते हैं। शोधकर्ताओं ने फिर SHAP नामक एक विशेष उपकरण का उपयोग किया, जो इन विभिन्न जासूसों के लिए एक सार्वभौमिक अनुवादक के रूप में कार्य करता है। इस उपकरण ने उन्हें एक ही पैमाने पर सभी पांच मॉडलों के परिणामों की तुलना करने की अनुमति दी, जिससे यह सुनिश्चित हुआ कि निष्कर्ष केवल किसी एक विशिष्ट कंप्यूटर प्रोग्राम की विचित्रता नहीं थे, बल्कि सभी में सुसंगत थे। प्रत्येक मॉडल द्वारा विभिन्न भाषाई विशेषताओं के महत्व को रैंक करने के तरीके की तुलना करके, वे शोर को छानने और उन आठ सबसे महत्वपूर्ण विशेषताओं की पहचान करने में सक्षम हुए जो फर्जी खबरों में लगातार दिखाई देती थीं, चाहे विश्लेषण करने वाला मॉडल कोई भी हो।
अध्ययन से पता चला कि फर्जी खबरें त्रुटियों का एक अराजक मिश्रण नहीं हैं, बल्कि एक रणनीतिक रूप से निर्मित उत्पाद हैं। शोधकर्ताओं द्वारा पहचानी गई आठ मुख्य विशेषताएं तीन अलग-अलग समूहों में आती हैं जो पाठक को धोखा देने के लिए मिलकर काम करती हैं। पहला समूह इस बात से संबंधित है कि कहानी आपका ध्यान कैसे खींचती है और आपको क्लिक करने के लिए कैसे प्रेरित करती है। इसमें सुर्खियों में "क्लिकबेट" (clickbait) के तरीके और शब्द जटिलता का एक विशिष्ट स्तर शामिल है जो पाठ को संसाधित करना आसान बनाता है, जिससे मस्तिष्क को यह धोखा मिलता है कि जानकारी विश्वसनीय है क्योंकि इसे पढ़ना आसान है। दूसरा समूह स्वयं कहानी की संरचना से संबंधित है। फर्जी खबरें अक्सर वास्तविक पत्रकारिता के सुसंगत प्रवाह की नकल करती हैं, विशेषज्ञों के उद्धरणों के विशिष्ट पैटर्न और तथ्यों को व्यवस्थित करने का उपयोग करके अधिकार का भ्रम पैदा करती हैं, भले ही अंतर्निहित तथ्य झूठे हों। तीसरा समूह इस बात पर केंद्रित है कि कहानी पाठक को किस स्थिति में रखती है। इसमें विशिष्ट सर्वनामों का उपयोग शामिल है जो "हम बनाम वे" की भावना पैदा करते हैं, और ऐसी भाषा का उपयोग किया जाता है जो अत्यधिक निश्चित और तथ्यात्मक लगती है, भले ही वह न हो। ये विशेषताएं मिलकर पाठक की सतर्कता को कम करती हैं, जिससे वे बिना सच्चाई पर सवाल उठाए कहानी को स्वीकार करने के लिए अधिक प्रवृत्त होते हैं।
इस शोध के सबसे महत्वपूर्ण निष्कर्षों में से एक वह है जिसे इसने खारिज कर दिया है। टीम ने 'प्रिंसिपल कंपोनेंट एनालिसिस' (Principal Component Analysis) नामक एक पारंपरिक पद्धति का परीक्षण किया, जो व्यापक रुझानों को खोजकर जटिल डेटा को सरल बनाने का प्रयास करती है। उन्होंने पाया कि यह पद्धति फर्जी खबरों की विशिष्ट भाषाई बारीकियों को पकड़ने में विफल रही, जिससे ऐसे परिणाम निकले जो मशीन लर्निंग मॉडल के निष्कर्षों से मेल नहीं खाते थे। यह सुझाव देता है कि फर्जी खबरों की धोखेबाजी की शक्ति भाषा की व्यापक, सामान्य प्रवृत्तियों के बजाय भाषा की विशिष्ट, विस्तृत संयोजनों में निहित है। अध्ययन में यह भी पाया गया कि जबकि विभिन्न कंप्यूटर मॉडल कभी-कभी अलग-अलग विवरणों पर ध्यान केंद्रित करते हैं, वे सभी इन आठ मुख्य विशेषताओं के महत्व पर सहमत थे। यह निरंतरता बताती है कि ये विशेषताएं मौलिक हैं कि फर्जी खबरें कैसे काम करती हैं, न कि किसी विशिष्ट एल्गोरिदम का यादृच्छिक परिणाम।
इस कार्य के निहितार्थ केवल बेहतर कंप्यूटर फिल्टर बनाने से कहीं अधिक हैं। यह समझते हुए कि फर्जी खबरें हेरफेर करने के लिए डिज़ाइन किया गया विमर्श का एक संरचित रूप है, अध्ययन सुझाव देता है कि गलत सूचना के खिलाफ लड़ाई प्रक्रिया के शुरुआती चरण में होनी चाहिए। किसी कहानी के फैलने के बाद तथ्य-जांचकर्ताओं (fact-checkers) द्वारा उसे गलत सिद्ध करने का इंतजार करने के बजाय, ध्यान उस क्षण पर होना चाहिए जब एक पाठक पहली बार शीर्षक या प्रारंभिक वाक्य का सामना करता है। यदि लोगों को इन विशिष्ट भाषाई पैटर्नों को पहचानने के लिए सिखाया जा सकता है—जैसे कि अत्यधिक निश्चित भाषा का उपयोग या समूह पहचान की रणनीतिक रूपरेखा—तो वे अपनी निर्णय क्षमता प्रभावित होने से पहले सूचना पर रुकने और सवाल उठाने में सक्षम हो सकते हैं। शोधकर्ता प्रस्ताव देते हैं कि इन निष्कर्षों का उपयोग सोशल मीडिया प्लेटफॉर्म के लिए संभावित रूप से भ्रामक सामग्री को चिह्नित करने वाले नए उपकरण बनाने और मीडिया साक्षरता में सुधार करने वाले शैक्षिक कार्यक्रमों को विकसित करने के लिए किया जा सकता है। अंततः, यह अध्ययन फर्जी खबरों को एक यादृच्छिक घटना के रूप में नहीं, बल्कि एक पुनरुत्पादित, विश्लेषण योग्य घटना के रूप में चित्रित करता है जिसे भाषा के एक स्पष्ट, व्यवस्थित दृष्टिकोण के माध्यम से समझा और मुकाबला किया जा सकता 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।