四位John S. 和James L.奈特基金会的蓝本奖学金比赛获奖者在德克萨斯奥斯汀的国际在线新闻研讨会上陈述了抗击虚假信息、增进媒体公信力的工具和策略。话题涵盖从使用机器学习区分真假消息到报道被公共忽略的芝加哥公民网络组织。
介绍这个活动，奈特新闻基金会的副主席Jennifer Preston引用了一份今年稍早前发布的奈特基金会与盖洛普合作的调查问卷，结果显示了美国人对于媒体的信任度问题上的党派分歧鸿沟。答问者总体而言相信新闻媒体在美国民主中发挥着关键作用，但是只有不到一半能够举出一个他们认为报道新闻客观的新闻来源。调查结果显示，共和党人相比民主党人更倾向于不信任媒体。
Frederic Filloux, 一名斯坦福大学的奈特研究员，开发了一个叫做Deepnews.ai的工具，它使用机器学习区分高质量的新闻报道和垃圾信息。Filloux相信这将能够提升好的新闻的经济价值，以帮助最好的媒体变得能够盈利。
最好的将优劣区分开的方法是通过真实的人做的决定，Filloux说。但是“每天有1亿条链接被注入到互联网，”要人们做这个就像是尝试用铁丝网过滤一杯水，他说。
Filloux开始从一系列的源头抽选出1亿篇报道 — 从最好的内容到最糟糕的 — 并且使得人们以不同的质量维度为它们评分。他的工具就是从这些评分之中总结而出的，现在它能够自己为报道打分。他说与真人评分相比，他的工具评分有90%的准确率。
新闻机构可以将他们的报道输入Deepnews.ai的API并得到一个评分。Filloux希望这个评分能够使得“广告的价格与内容的质量相匹配”，并且为渴望高质量新闻的受众进行更好的市场化。
范德堡大学的Lisa Fazio介绍了CrossCheck, 在2017年法国大选中监测虚假信息的平台。CrossCheck辟谣，接着Fazio和她的团队就学习人们对于这些假新闻的看法在读完“辟谣帖”之后如何变化。
在读辟谣帖之前，人们倾向于在从真实到虚假的规尺上打中位的评分。读完辟谣帖，他们很多都更倾向于给假新闻评为虚假 — 但是美国人相比法国人更加容易改变主意，相形之下，法国人对于这个问题更加了解也更相信他们不会轻易改变。一周之后，参与者被要求再次评分。平均而言，他们仍旧相信这些故事是虚假的，但是并不像是刚读完辟谣帖之后那么坚定。
可能更加重要的是，Fazio说，这项调查并没有发现“反弹效果”的证据 — 一个有争议的理论，意思是提供给人们事实层面的信息，事实上却会造成他们更加笃信错误的结论。
芝加哥城市局的Darryl Holliday讨论了一个培训并且支付普通公民从事和报道公共会议的项目，但并没有得到媒体的充分报道。“当本地媒体都被毁了，”Holliday说，“这些会议往往是最先被放弃的。”
城市局建立了约350人规模的“记录者”的团队，去参加这些会议 — 从市政府到学校，住房以及警察局 — 然后提交他们的记录以供编纂和共享。他们目前已经参加了超过2000个会议，Holliday的目标是使得每一个公共会议得到报道 — 最终降低城市社群被报道程度上的不平等。
在一个案例之中，一位记录者去参加一个会议，结果没有人出现，他便实时发了推特。“如果他人不在那里，没有人会知道那些收了钱的委员们没有去开会，”Holliday说。
城市局现在正在计划扩展记录者项目到底特律以及其他城市。
最终，Cameron Hickey, PBS新闻制片人，开发了新闻追踪器, 一个数据驱动的确定虚假新闻信源的方法。
“挑战在于这就像一个打地鼠的游戏,” Hickey说。“任何编造虚假信息的人，都会避免侦测。”
Hickey注意他不使用“假新闻”这个词，因为它已经被扭曲了。相反他研究“垃圾新闻”，这包括从虚假信息到钓鱼信息到极具党派性的故事 — 甚至是一些笑话。
新闻追踪器旨在收集来自于所有垃圾来源的信息 — “当新的虚假信息出现的时候确认和追踪它们,” Hickey说。垃圾新闻以每月80条的频率持续跳出，他说，目前新闻追踪器已经记录了4000条。它也追踪那些帮助传播虚假信息的网络热词 — 目前已经有90,000条。
新闻追踪器现在已经转移到了哈佛大学的Shorenstein媒体、政治与公共政策中心旗下的First Draft。
这些项目只是奈特蓝本奖学金项目资助的20个之中的4个。这个奖学金项目是民主基金会和Rita Allen基金会合作的项目。蓝本奖学金奖励1百万美元给这20个旨在提升准确信息流的项目。这些项目符合三种分类：加强社群、抗击虚假信息以及提升真实信息。
阅读的其他作品
