Leitor comum é tão capaz de identificar fake news quanto verificadores

*Laura Hazard Owen
Crowdsourcing é 1 método promissor para ajudar a identificar desinformação em escalaReprodução/Nieman Lab

O programa de checagem de fatos do Facebook tem o apoio de organizações de mídia para ajudar a eliminar notícias falsas e enganosas da plataforma. Isso limita o crescimento do programa –já que poucas organizações realizam esse trabalho.

Mas e se o Facebook pudesse usar pessoas comuns –pessoas cujo trabalho diário não é checar fatos– para checar reportagens? Nova pesquisa do MIT (Instituto de Tecnologia de Massachusetts) sugere que seria surpreendentemente eficaz, mesmo se essas pessoas estivessem apenas lendo as manchetes. “Crowdsourcing é uma abordagem promissora para ajudar a identificar desinformação em escala”, escreveram os autores.

A equipe analisou 1 conjunto de 207 artigos de notícias que foram assinalados pelo algoritmo interno do Facebook para verificação de fatos (o estudo foi feito em colaboração com a equipe de revisão da comunidade do Facebook e com financiamento da Hewlett Foundation).

Dois grupos foram convidados a verificar a exatidão dos textos: 3 verificadores de fatos profissionais, que pesquisaram os textos na íntegra para fazer seus veredictos e 1.128 norte-americanos encontrados no Mechanical Turk que determinaram a exatidão com base nas manchetes. O resultado:

Verificamos que a classificação média de uma multidão politicamente equilibrada de 10 leigos está tão correlacionada com a classificação média do verificador de fatos quanto as classificações dos verificadores de fatos estão correlacionadas umas com as outras. Além disso, as classificações dos leigos podem prever se a maioria dos verificadores de fatos classificou 1 texto como “verdadeiro” com alta precisão, especificamente para títulos em que todos os 3 verificadores de fatos concordam. Também descobrimos que a reflexão cognitiva do leigo, o conhecimento político e a preferência pelo Partido Democrata estão positivamente relacionados com a concordância com as classificações do verificador de fatos; e que informar os leigos sobre o editor de cada manchete leva a 1 pequeno aumento na concordância com verificadores de fatos.

Isso é significativo em parte porque os parceiros oficiais de checagem de fatos do Facebook realmente não conseguem entregar tanto conteúdo: em janeiro, o The Hill relatou que “os 6 parceiros do Facebook [nos EUA] têm 26 funcionários em tempo integral e verificaram cerca de 200 peças de conteúdo por mês”. Além disso, “tem o potencial de aumentar a crença e o compartilhamento de informações falsas que não são verificadas por meio do ‘efeito de verdade implícito‘”, escrevem os pesquisadores. “As pessoas podem inferir que a falta de aviso significa que uma declaração foi verificada. Mesmo quando os avisos de verificação de fatos são aplicados com sucesso à desinformação, seu impacto pode ser reduzido pela falta de confiança” (em 2019, a Pew descobriu que 70% dos republicanos e 48% dos norte-americanos em geral avaliam que os verificadores de fatos são tendenciosos).

Neste estudo, os verificadores profissionais geralmente –mas nem sempre– concordam uns com os outros. “Pelo menos duas das 3 classificações categóricas dos verificadores de fatos concordaram em mais de 90% dos artigos”, escrevem. Ainda assim, “este nível de variação nas classificações do verificador de fatos tem implicações importantes para programas de verificação de fatos, tais como enfatizar a importância de não depender de classificações de apenas 1 único verificador de fatos para certificar a veracidade e destacar que a ‘verdade’ não é, muitas vezes, 1 simples problema em que se é possível classificar como preto ou branco”.

“Um número relativamente pequeno de leigos pode fazer juízo de valor quando apresentado manchete e lide de 1 texto, que se aproxima dos juízos individuais de verificadores de fatos profissionais”, escrevem. Isso não significa que os profissionais não sejam mais necessários: “Vemos o crowdsourcing como apenas 1 componente de 1 sistema de detecção de desinformação que incorpora aprendizado de máquina, classificações de leigos e opiniões de especialistas”.

__

*É editora do Nieman Lab. Foi editora-gerente do Gigaom, onde escreveu sobre publicação de livros digitais.

Veja outras notícias
Artigo
Menu