Developing deepfake literacy among pre-service teachers: a qualitative study in the context of immigration
Deze kwalitatieve studie toont aan dat hoewel specifieke training in deepfake-detectie het gebruik van systematische verificatiestrategieën bij het evalueren van immigratiegerelateerde inhoud door leraren in opleiding verbetert, het de afhankelijkheid van ongetoetste cognitieve vooroordelen niet volledig elimineert, wat de noodzaak onderstreept van versterkt kritisch denken binnen de initiële lerarenopleiding.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In een tijdperk waarin een video kan worden gemaakt die er precies zo uitziet en klinkt als een echt persoon die dingen zegt die hij nooit heeft gezegd, wordt de grens tussen waarheid en fabricage gevaarlijk dun. Dit fenomeen, bekend als een deepfake, rust op krachtige computerprogramma's die leren van enorme hoeveelheden echte afbeeldingen en stemmen om synthetische media te creëren. Deze hulpmiddelen kunnen overtuigende video's genereren van politici, beroemdheden of gewone mensen die bijna alles doen of zeggen. Hoewel deze technologie nieuwe manieren biedt om kunst en educatie vorm te geven, vormt het ook een serieuze bedreiging voor hoe we de wereld begrijpen. Wanneer mensen niet meer kunnen onderscheiden wat echt is, begint het vertrouwen in het nieuws, instellingen en zelfs in elkaar te verdwijnen. Dit is vooral gevaarlijk bij gevoelige onderwerpen zoals immigratie, waarbij valse verhalen spanningen kunnen aanwakkeren en het publieke debat kunnen verstoren. De uitdaging voor de samenleving is niet alleen om deze vervalsingen te herkennen, maar om mensen te leren hoe ze kritisch kunnen nadenken over de informatie die ze dagelijks consumeren.
Een team van onderzoekers in Spanje zette zich in om te zien of toekomstige leraren konden leren om deze digitale vervalsingen te herkennen, specifiek in de context van immigratie. Ze werkten met 133 studenten die worden opgeleid tot basisonderwijkleraar aan de Universiteit van Murcia. Deze studenten waren geen experts in technologie; het waren gewone mensen die studeren om de volgende generatie te begeleiden. De onderzoekers wilden zien hoe deze studenten de echtheid van digitale inhoud beoordeelden vóór en na het ontvangen van specifieke training over hoe deepfakes te detecteren. Het doel was om te begrijpen welk soort redenering mensen gebruiken wanneer zij proberen te beslissen of een video of afbeelding echt is, en of het aanleren van specifieke detectievaardigheden hun aanpak kon veranderen.
Voordat de training begon, kregen de studenten verschillende stukken digitale inhoud te zien die gerelateerd waren aan immigratie en werd hen gevraagd te beslissen of deze echt of nep waren. In deze fase waren hun methoden vaak onbetrouwbaar en gebaseerd op een onderbuikgevoel in plaats van op feiten. Veel studenten vertrouwden op wat zij al als waar beschouwden, een mentale afkorting die bekend staat als bevestigingsvooroordeel (confirmation bias). Als een video over immigratie aansloot bij hun bestaande opvattingen of stereotypen, waren zij eerder geneigd deze als echt te accepteren zonder verdere controle. Anderen vertrouwden een stuk inhoud simpelweg omdat het er officieel uitzag of omdat het afkomstig was van een bron die zij als gezaghebbend beschouwden, zoals een politiechef of een oude krant. Sommigen beoordeelden een video zelfs als nep omdat de tekst er slecht geformatteerd uitzag of omdat de taal te emotioneel leek, zonder te zoeken naar daadwerkelijk bewijs van manipulatie. Hun redenering was vaak intuïtief, wat betekende dat het voor hen goed voelde, maar het was niet gebaseerd op een systematische controle van de feiten.
De onderzoekers introduceerden vervolgens een trainingsprogramma dat ontworpen was om de studenten te leren hoe ze de specifieke tekenen van kunstmatige intelligentie-manipulatie kunnen herkennen. Deze instructie omvatte hoe ze kunnen zoeken naar subtiele fouten die computers vaak maken, zoals een persoon wiens lippen niet perfect synchroon bewegen met de stem, vreemde knipperpatronen, of achtergronden die er wazig of vervormd uitzien. De studenten leerden ook om de bron van de informatie te controleren, door te zoeken naar geverifieerde nieuwsmedia in plaats van ongeverifieerde sociale mediakanalen, en om claims te kruisverwijzen met betrouwbare gegevens. Na deze training kregen de studenten hetzelfde type inhoud opnieuw te zien en werd hen gevraagd deze nogmaals te beoordelen.
De resultaten toonden een duidelijke verschuiving in de aanpak van de studenten bij de taak. Na de training bewogen zij weg van het vertrouwen op hun initiële gevoelens of stereotypen en begonnen zij meer systematische methoden te gebruiken. Ze waren veel eerder geneigd om te zoeken naar technische fouten, zoals de onnatuurlijke beweging van een gezicht of inconsistenties in de belichting. Ze begonnen ook de geloofwaardigheid van de bron nauwkeuriger te controleren, door te vragen of de informatie afkomstig was van een vertrouwde nieuwsorganisatie of een willekeurige sociale mediapost. Hoewel ze soms nog steeds terugvielen op hun eigen overtuigingen, gaf de training hen een nieuw instrumentarium om te twijfelen aan wat ze zagen. De studie suggereert dat specifieke educatie mensen kan helpen om voorzichtiger en analytischer te worden bij het evalueren van digitale inhoud, wat hels bij het scheiden van feit en fictie.
De onderzoekers merkten echter op dat de training de invloed van persoonlijke overtuigingen niet volledig heeft geëlimineerd. Zelfs met nieuwe vaardigheden lieten sommige studenten hun vooroordelen nog steeds hun oordeel sturen. Dit benadrukt dat hoewel het onderwijzen van mensen hoe ze technische fouten kunnen opsporen nuttig is, het geen volledige oplossing is. Om echt te beschermen tegen desinformatie, vooral bij gevoelige onderwerpen zoals migratie, moeten mensen technische vaardigheden combineren met een sterke gewoonte van kritisch denken. De studie concludeert dat toekomstige leraren deze vorm van training nodig hebben, zodat zij deze vaardigheden aan hun eigen studenten kunnen doorgeven, om zo een samenleving op te bouwen die beter uitgerust is om te navigeren in een wereld waar zien niet langer altijd geloven is.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.