💻 computer science

Building Resilience to Misinformation: A Cross-National Development of the Digital Media and Information Literacy Scale (DMILS)

Questo articolo presenta la Scala di Alfabetizzazione ai Media Digitali e all'Informazione (DMILS), uno strumento multidimensionale validato psicometricamente, sviluppato attraverso studi transnazionali negli Stati Uniti e a Singapore, per fornire una metrica concisa ma completa per valutare e migliorare la resilienza alla disinformazione.

Autori originali: Sijia Qian, Cuihua Shen, Huiyi Wang, Hichang Cho

Pubblicato 2026-05-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Sijia Qian, Cuihua Shen, Huiyi Wang, Hichang Cho

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di voler costruire una casa per proteggerti da una tempesta di fake news, deepfake e trucchi online. Da molto tempo, gli esperti discutono su quali strumenti siano effettivamente necessari per costruire quella casa. Alcuni dicono che serve un martello (competenze digitali), altri sostengono che serva un progetto (conoscenza dell'informazione), e molti hanno utilizzato kit di strumenti diversi e non coordinati che non si adattano tra loro.

Questo studio introduce una nuova "Scala di Alfabetizzazione ai Media Digitali e all'Informazione" (DMILS), completa e integrata. Pensala come un progetto maestro e un kit di strumenti standardizzato che finalmente misura esattamente ciò che le persone sanno e ciò che sono in grado di fare quando navigano su Internet.

Ecco come gli autori hanno costruito e testato questo nuovo strumento, spiegato in modo semplice:

1. Il Problema: Un Cassetto degli Attrezzi Disordinato

Prima di questo studio, i ricercatori disponevano di molti modi diversi per misurare l'"alfabetizzazione mediatica", ma era come cercare di misurare la velocità di un'auto con un righello, un cronometro e un termometro tutti insieme.

Alcuni strumenti chiedevano solo: "Ti senti sicuro?" (Soggettivo).
Altri chiedevano solo: "Riesci effettivamente a farlo?" (Oggettivo).
Alcuni si concentravano solo sulle competenze tecnologiche, mentre altri solo sui fatti relativi alle notizie.
Molti erano obsoleti e non tenevano conto di elementi moderni come l'intelligenza artificiale o gli algoritmi.

Gli autori volevano un unico metro di misura affidabile in grado di valutare tutto: ciò che le persone credono di sapere, ciò che effettivamente sanno e quanto bene riescono ad applicare tale conoscenza sia nel mondo digitale che in quello dell'informazione.

2. La Soluzione: Una Bussola a Quattro Direzioni

Gli autori hanno progettato una nuova scala basata su una mappa semplice con quattro direzioni (una griglia 2x2):

Conoscenza Digitale: Conosci il significato di termini come "algoritmo", "phishing" o "hashtag"?
Competenza Digitale: Riesci effettivamente a utilizzare il tuo telefono o computer per risolvere problemi o trovare informazioni?
Conoscenza dell'Informazione: Comprendi come vengono prodotte le notizie, chi le scrive e perché?
Competenza nell'Informazione: Riesci effettivamente a verificare se una notizia è vera o falsa?

Fondamentalmente, hanno misurato ciascuno di questi aspetti in due modi:

Il Controllo della "Fiducia" (Soggettivo): Chiedendo alle persone: "Quanto ti senti familiare con questo argomento?"
Il Controllo della "Realtà" (Oggettivo): Somministrando un quiz con domande vero/falso e quesiti a scelta multipla per verificare se effettivamente conoscono la risposta.

3. La Prova Stradale: Due Paesi, Uno Strumento

Per assicurarsi che questa nuova bussola funzionasse ovunque, gli autori l'hanno testata in due luoghi molto diversi: gli Stati Uniti e Singapore.

Gli Stati Uniti sono come un mercato caotico e aperto con molte voci diverse e abbondanti discussioni politiche.
Singapore è più simile a una città regolamentata e organizzata con un flusso di informazioni centralizzato.

Hanno intervistato quasi 1.500 persone in totale. Non si sono limitati a porre domande; hanno assegnato loro compiti, come:

Il Test "Fake News": Mostrando alle persone 16 titoli e immagini (alcuni reali, altri falsi) e chiedendo loro di individuare i bugiardi.
La "Caccia al Tesoro": Chiedendo alle persone di trovare fatti specifici su Internet (ad esempio "Chi è il Primo Ministro della Croazia?") per verificare se fossero effettivamente in grado di recuperare informazioni accurate.

4. Cosa Hanno Scoperto

I risultati sono stati come trovare una chiave che apre ogni serratura:

Funziona Ovunque: La scala ha misurato l'alfabetizzazione nello stesso modo sia negli Stati Uniti che a Singapore. Non importava se ci si trovasse in un mercato caotico o in una città organizzata; lo strumento ha fornito risultati coerenti.
Fiducia vs. Realtà: C'era un divario. Le persone che trascorrevano molto tempo sui social media spesso pensavano di essere molto brave a individuare le fake news (alta fiducia), ma quando sostenevano il quiz effettivo, spesso sbagliavano. Il "Controllo della Realtà" (punteggi oggettivi) era un predittore molto migliore della capacità di qualcuno di individuare una menzogna rispetto al suo "Controllo della Fiducia".
I Migliori Predittori: Lo studio ha scoperto che le Competenze nell'Informazione (la capacità di valutare criticamente le notizie) e la Conoscenza Oggettiva (conoscere effettivamente i fatti su come funzionano la tecnologia e le notizie) erano i più forti scudi contro la credulità di storie false.

5. Il Risultato: Una Versione Lunga e una Breve

Gli autori hanno creato due versioni di questa scala:

La Versione Completa: Un dettagliato questionario di 18 domande più 16 domande del quiz. Questa è destinata ai ricercatori che necessitano di dati approfonditi e precisi.
La Versione Breve: Un rapido questionario di 8 domande più 8 domande del quiz. Questa è destinata a insegnanti o organizzazioni che necessitano di un controllo rapido senza occupare troppo tempo.

La Conclusione

Questo studio non ha solo inventato un nuovo test; ha costruito un linguaggio comune per il mondo. Prima, se un ricercatore di New York e un ricercatore di Singapore volevano confrontare i loro risultati, non potevano perché utilizzavano righelli diversi. Ora, hanno lo stesso righello.

Lo studio dimostra che per comprendere davvero se le persone sono in grado di gestire la moderna tempesta informativa, dobbiamo smettere di chiedere loro semplicemente come si sentono e iniziare a testare ciò che possono effettivamente fare. Questa nuova scala offre a educatori e decisori politici un modo chiaro per vedere dove le persone hanno difficoltà (ad esempio: "Sanno come usare l'app, ma non sanno come verificare la fonte") affinché possano costruire programmi di formazione migliori per colmare quelle specifiche lacune.

Sintesi Tecnica: Costruire la Resilienza alla Disinformazione tramite la Scala di Alfabetizzazione ai Media Digitali e alle Informazioni (DMILS)

Enunciato del Problema
Nonostante il ruolo critico dell'alfabetizzazione mediatica nel mitigare la disinformazione e sostenere il dibattito democratico, il settore soffre di frammentazione concettuale e incoerenza empirica. Le misurazioni esistenti sono spesso frammentate, obsolete o focalizzate in modo ristretto, fallendo nel catturare l'intero spettro di competenze richiesto negli ecosistemi digitali in rapida evoluzione. I limiti comuni includono:

Silos Concettuali: Le diverse alfabetizzazioni (digitale, giornalistica, algoritmica, AI) operano spesso in parallelo piuttosto che come un quadro integrato.
Lacune Dimensionali: Molte scale misurano solo le abilità o solo la conoscenza, trascurando l'interazione tra le due.
Modalità di Misurazione: Una forte dipendenza da valutazioni soggettive e auto-dichiarate non riesce a distinguere tra competenza percepita e abilità effettiva, una distinzione cruciale per identificare l'eccesso di fiducia e le lacune nell'alfabetizzazione.
Limitazioni Contestuali: Le scale di spicco sono state sviluppate oltre un decennio fa, principalmente in contesti occidentali, limitando la loro rilevanza per le tecnologie contemporanee (es. AI generativa) e per gli ambienti culturali non occidentali.

Manca uno strumento conciso, completo e psicometricamente valido capace di tracciare queste competenze attraverso diversi contesti nazionali per valutare gli interventi e costruire un ecosistema informativo resiliente.

Metodologia
Gli autori hanno sviluppato e validato la Scala di Alfabetizzazione ai Media Digitali e alle Informazioni (DMILS) attraverso un processo in due studi che ha coinvolto tre campioni nazionali abbinati ( $N = 1.498$ ) provenienti dagli Stati Uniti e da Singapore. Lo sviluppo ha seguito rigorose linee guida per la costruzione di scale (es. Boateng et al., 2018; Carpenter, 2018).

Quadro Concettuale: Gli autori hanno proposto un quadro multidimensionale che distingue tra:
- Dominii: Media Digitali (tecnico/procedurale) vs. Informazioni/Notizie (giornalistico/verifica).
- Tipi di Competenza: Conoscenza (comprensione dei concetti) vs. Abilità (capacità di eseguire compiti).
- Modalità di Misurazione: Soggettiva (auto-dichiarata) vs. Oggettiva (basata sulla performance).
Studio 1 (Sviluppo e Riduzione degli Item):
- Processo: Una ricerca bibliografica su 26 riviste ha prodotto 74 studi empirici. Gli item sono stati mappati sul quadro, risultando in un pool iniziale di 56 item soggettivi e 30 item oggettivi.
- Campione: 499 partecipanti statunitensi reclutati tramite Prolific.
- Analisi: L'Analisi Fattoriale Esplorativa (EFA) e i criteri di riduzione degli item (caricamenti, caricamenti incrociati, comunalità) hanno affinato la scala soggettiva a 18 item. Gli item oggettivi sono stati rivisitati in base alla difficoltà (valori $P$ ) e alla discriminabilità.
Studio 2 (Validazione e Generalizzabilità):
- Campione: 501 partecipanti statunitensi e 498 partecipanti di Singapore.
- Analisi:
  - Validità Costrutto: L'Analisi Fattoriale Confermativa (CFA) e la modellazione Rasch (Teoria della Risposta all'Item) sono state utilizzate per testare la struttura fattoriale e l'adeguatezza degli item.
  - Invarianza di Misurazione: Testata per garantire che la scala funzioni in modo equivalente nei contesti statunitensi e di Singapore (invarianza configurale, metrica e scalare).
  - Validità Convergente: Correlata con l'uso dei social media e il consumo di notizie.
  - Validità Predittiva: Regressa contro due esiti comportamentali: Discernimento (capacità di distinguere titoli e immagini di notizie vere da quelle false) e Accuratezza nel Recupero delle Informazioni (capacità di trovare risposte fattuali online).

Contributi Chiave

Lo Strumento DMILS: Una scala multidimensionale validata composta da una batteria soggettiva di 18 item e un test di conoscenza oggettivo di 16 item. È fornita anche una versione breve (8 item soggettivi, 8 item oggettivi).
Quadro Integrato: La scala opera un quadro unificato che cattura simultaneamente i domini digitali e informativi, le conoscenze e le abilità, e le modalità di misurazione soggettive e oggettive.
Robustezza Transnazionale: La scala dimostra invarianza di misurazione tra Stati Uniti e Singapore, affrontando la necessità di strumenti applicabili culturalmente nella ricerca globale sulla disinformazione.
Utilità Diagnostica: Integrando componenti soggettive e oggettive, la scala permette ai ricercatori di quantificare il "divario" tra alfabetizzazione percepita e reale.

Risultati

Validità Strutturale: Sia l'EFA che la CFA hanno supportato una struttura a quattro fattori (Conoscenza Digitale, Abilità Digitale, Conoscenza Informativa, Abilità Informativa). Un modello di ordine superiore ha confermato che questi fattori possono essere trattati anche come un costrutto unidimensionale per la punteggiatura composita.
Affidabilità: La scala soggettiva ha mostrato un'eccellente coerenza interna ( $\alpha = 0,93$ ).
Invarianza di Misurazione: La scala ha esibito invarianza configurale, metrica e scalare tra i campioni statunitensi e di Singapore, confermando la sua applicabilità in entrambi i contesti.
Validità Predittiva:
- Discernimento: Sia i punteggi soggettivi che quelli oggettivi della DMILS hanno predetto significativamente la capacità di discernere notizie vere da false. In particolare, le misure oggettive sono state predittori più forti rispetto alle auto-dichiarazioni soggettive. Tra le sotto-dimensioni, l'Abilità Informativa è stata il predittore soggettivo più forte, mentre sia la Conoscenza Digitale Oggettiva che quella Informativa sono stati predittori forti.
- Recupero delle Informazioni: I punteggi compositi della DMILS hanno predetto l'accuratezza nel recupero. Tuttavia, quando scomposti, le singole sotto-dimensioni sono state meno predittive, suggerendo che il punteggio composito cattura un'utilità più ampia per i compiti di recupero.
- Validità Convergente: La DMILS soggettiva è correlata positivamente con l'uso dei social media, mentre la DMILS oggettiva è correlata negativamente, evidenziando una potenziale discrepanza in cui gli utenti pesanti si sentono più competenti ma possiedono meno conoscenza effettiva.

Significato e Affermazioni
Il documento afferma che la DMILS fornisce un "metro parsimonioso ma multidimensionale" per il settore. Il suo significato principale risiede in:

Standardizzazione: Offrire una metrica comune per la ricerca transnazionale, consentendo il confronto degli interventi e degli esiti di alfabetizzazione mediatica attraverso diversi ambienti culturali e politici.
Progettazione degli Interventi: Consentire a educatori e decisori politici di diagnosticare specifiche lacune di competenza (es. elevate abilità digitali ma bassa conoscenza informativa) per adattare gli interventi piuttosto che applicare approcci generici di "pensiero critico".
Affrontare l'Eccesso di Fiducia: Distinguendo la competenza percepita da quella effettiva, lo strumento aiuta a identificare le popolazioni (come gli utenti pesanti dei social media) che potrebbero essere eccessivamente sicure delle proprie capacità, un fattore legato alla suscettibilità alla disinformazione.
Avanzamento Teorico: I risultati supportano la distinzione teorica tra alfabetizzazione digitale e informativa, nonché tra conoscenza e abilità, argomentando contro il trattamento dell'alfabetizzazione mediatica come un costrutto monolitico.

Gli autori mantengono una posizione modesta, notando che, sebbene la scala sia robusta, le future iterazioni potrebbero richiedere item più impegnativi per discriminare meglio tra popolazioni altamente alfabetizzate, e che i metodi qualitativi potrebbero ancora essere necessari per catturare aspetti difficili da quantificare.