Developing deepfake literacy among pre-service teachers: a qualitative study in the context of immigration
यह गुणात्मक अध्ययन प्रदर्शित करता है कि यद्यपि डीपफेक डिटेक्शन (deepfake detection) में विशिष्ट प्रशिक्षण अप्रवास संबंधी सामग्री का मूल्यांकन करते समय पूर्व-सेवा शिक्षकों के व्यवस्थित सत्यापन रणनीतियों के उपयोग में सुधार करता है, लेकिन यह अमान्य संज्ञानात्मक पूर्वाग्रहों पर निर्भरता को पूरी तरह से समाप्त नहीं करता है, जो प्रारंभिक शिक्षक शिक्षा में सुदृढ़ आलोचनात्मक सोच की आवश्यकता को रेखांकित करता 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
एक ऐसे युग में जहाँ एक वीडियो को बिल्कुल एक वास्तविक व्यक्ति की तरह दिखने और सुनने के लिए बनाया जा सकता है, जो ऐसी बातें कह रहा हो जो उसने कभी कही ही नहीं, सत्य और बनावट के बीच की रेखा खतरनाक रूप से धुंधली होती जा रही है। यह घटना, जिसे 'डीपफेक' कहा जाता है, शक्तिशाली कंप्यूटर प्रोग्रामों पर निर्भर करती है जो सिंथेटिक मीडिया बनाने के लिए वास्तविक छवियों और आवाजों के विशाल डेटा से सीखते हैं। ये उपकरण राजनेताओं, मशहूर हस्तियों या आम लोगों के लगभग कुछ भी करते या कहते हुए विश्वसनीय वीडियो बना सकते हैं। जहाँ यह तकनीक कला और शिक्षा के नए तरीके प्रदान करती है, वहीं यह इस बात के लिए भी गंभीर खतरा पैदा करती है कि हम दुनिया को कैसे समझते हैं। जब लोग यह नहीं पहचान पाते कि क्या वास्तविक है, तो समाचारों, संस्थानों और यहाँ तक कि एक-दूसरे पर विश्वास भी टूटने लगता है। यह विशेष रूप से अप्रवासन (इमिग्रेशन) जैसे संवेदनशील विषयों के मामले में खतरनाक है, जहाँ झूसी कहानियाँ तनाव को भड़का सकती हैं और सार्वजनिक बहस को विकृत कर सकती हैं। समाज के लिए चुनौती केवल इन नकली चीज़ों को पहचानना नहीं है, बल्कि लोगों को यह सिखाना है कि वे हर दिन उपभोग की जाने वाली जानकारी के बारे में आलोचनात्मक रूप से कैसे सोचें।
स्पेन के शोधकर्ताओं की एक टीम यह देखने के लिए आगे बढ़ी कि क्या भविष्य के शिक्षक इन डिजिटल जालसाजीों को, विशेष रूप से अप्रवासन के संदर्भ में, पहचानना सीख सकते हैं। उन्होंने मर्सिया विश्वविद्यालय में प्राथमिक स्कूल शिक्षक बनने के प्रशिक्षण ले रहे 133 छात्रों के साथ काम किया। ये छात्र तकनीक के विशेषज्ञ नहीं थे; वे साधारण लोग थे जो अगली पीढ़ी का मार्गदर्शन करने के लिए पढ़ रहे थे। शोधकर्ता यह देखना चाहते थे कि इन छात्रों ने डीपफेक का पता लगाने के विशिष्ट प्रशिक्षण प्राप्त करने से पहले और बाद में डिजिटल सामग्री की सत्यता का निर्णय कैसे लिया। लक्ष्य यह समझना था कि लोग किस प्रकार के तर्क का उपयोग करते हैं जब वे किसी वीडियो या छवि को वास्तविक या नकली घोषित करने का प्रयास करते हैं, और क्या उन्हें विशिष्ट पहचान कौशल सिखाने से उनके दृष्टिकोण में बदलाव आ सकता है।
प्रशिक्षण शुरू होने से पहले, छात्रों को अप्रवासन से संबंधित विभिन्न डिजिटल सामग्रियां दिखाई गईं और उनसे यह तय करने के लिए कहा गया कि वे असली हैं या नकली। इस चरण में, उनके तरीके अक्सर अविश्वसनीय थे और तथ्यों के बजाय सहज बोध (गट फीलिंग्स) पर आधारित थे। कई छात्र उन बातों पर भरोसा करते थे जिन्हें वे पहले से ही सच मानते थे, जिसे 'पुष्टि पूर्वाग्रह' (कन्फर्मेशन बायस) नामक एक मानसिक शॉर्टकट कहा जाता है। यदि अप्रवासन के बारे में कोई वीडियो उनके मौजूदा विचारों या रूढ़ियों के अनुकूल था, तो वे बिना आगे जाँच किए उसे वास्तविक मान लेते थे। अन्य लोग किसी सामग्री पर इसलिए भरोसा करते थे क्योंकि वह आधिकारिक दिखती थी या किसी ऐसे स्रोत से आई थी जिसे वे आधिकारिक मानते थे, जैसे कि कोई पुलिस प्रमुख या कोई पुराना समाचार पत्र। कुछ लोगों ने तो केवल इसलिए किसी वीडियो को नकली घोषित कर दिया क्योंकि उसका प्रारूप (फॉर्मेटिंग) खराब लग रहा था या उसकी भाषा बहुत अधिक भावनात्मक थी, बिना हेरफेर के वास्तविक साक्ष्य देखे। उनका तर्क अक्सर सहज था, जिसका अर्थ था कि वह उन्हें सही लगता था, लेकिन वह तथ्यों की व्यवस्थित जाँच पर आधारित नहीं था।
शोधकर्ताओं ने फिर एक प्रशिक्षण कार्यक्रम पेश किया जिसे छात्रों को कृत्रिम बुद्धिमत्ता (AI) के हेरफेर के विशिष्ट संकेतों को पहचानने के लिए प्रशिक्षित करने हेतु डिज़ाइन किया गया था। इस निर्देश में यह देखना शामिल था कि कंप्यूटर अक्सर कहाँ सूक्ष्म गलतियाँ करते हैं, जैसे कि किसी व्यक्ति के होंठ उनकी आवाज़ के साथ पूरी तरह से तालमेल नहीं बिठा पाते, अजीब पलक झपकने का पैटर्न, या पृष्ठभूमि का धुंधला या विकृत दिखना। छात्रों ने सूचना के स्रोत की जाँच करना भी सीखा, जिसमें सत्यापित समाचार आउटलेट्स को खोजने के बजाय अपुष्ट सोशल मीडिया खातों को देखना और विश्वसनीय डेटा के साथ दावों का मिलान करना शामिल था। इस प्रशिक्षण के बाद, छात्रों को वही प्रकार की सामग्री फिर से दिखाई गई और उनसे एक बार फिर निर्णय लेने के लिए कहा गया।
परिणामों ने स्पष्ट रूप से दिखाया कि छात्र कार्य के प्रति अपने दृष्टिकोण में बदलाव लाए। प्रशिक्षण के बाद, वे अपनी प्रारंभिक भावनाओं या रूढ़ियों पर निर्भर रहने के बजाय अधिक व्यवस्थित तरीकों का उपयोग करने लगे। वे तकनीकी खामियों को खोजने के लिए बहुत अधिक सक्षम हो गए, जैसे चेहरे की अस्वाभाविक गति या प्रकाश व्यवस्था में विसंगतियां। उन्होंने सूचना के स्रोत की विश्वसनीयता की अधिक सावधानी से जाँच करना भी शुरू कर दिया, यह पूछते हुए कि क्या जानकारी एक विश्वसनीय समाचार संगठन से आई है या किसी रैंडम सोशल मीडिया पोस्ट से। हालाँकि वे अभी भी कभी-कभी अपने स्वयं के विश्वासों के प्रभाव में आ जाते थे, लेकिन प्रशिक्षण ने उन्हें जो देखा उस पर सवाल उठाने के लिए नए उपकरण दिए। अध्ययन बताता है कि विशिष्ट शिक्षा लोगों को डिजिटल सामग्री का मूल्यांकन करते समय अधिक सावधान और विश्लेषणात्मक बनने में मदद कर सकती है, जिससे उन्हें तथ्य और कल्पना के बीच अंतर करने में सहायता मिलती है।
हालाँकि, शोधकर्ताओं ने उल्लेख किया कि प्रशिक्षण ने व्यक्तिगत विश्वासों के प्रभाव को पूरी तरह से समाप्त नहीं किया। नए कौशल होने के बावजूद, कुछ छात्र अभी भी अपने पूर्वग्रहों को अपने निर्णय का मार्गदर्शन करने देते थे। यह इस बात पर प्रकाश डालता है कि तकनीकी त्रुटियों को पहचानने के लिए लोगों को सिखाना मददगार तो है, लेकिन यह पूर्ण समाधान नहीं है। वास्तव में गलत सूचनाओं से बचने के लिए, विशेष रूप से प्रवास जैसे संवेदनशील विषयों पर, लोगों को तकनीकी कौशल के साथ आलोचनात्मक सोच की एक मजबूत आदत को जोड़ने की आवश्यकता है। अध्ययन निष्कर्ष निकालता है कि भविष्य के शिक्षकों को इस तरह के प्रशिक्षण की आवश्यकता है ताकि वे इन कौशलों को अपने छात्रों तक पहुँचा सकें, जिससे एक ऐसे समाज के निर्माण में मदद मिले जो इस दुनिया में नेविगेट करने के लिए बेहतर ढंग से सुसज्जित हो जहाँ देखना हमेशा विश्वास करना नहीं होता।
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।