اطلاعات نادرست (Misinformation) چیست؟

اطلاعات نادرست به هرگونه اطلاعات غیردقیق، ناقص یا گمراه‌کننده‌ای گفته می‌شود که فارغ از اینکه فرد به اشتراک‌گذارنده قصد آسیب رساندن داشته باشد یا خیر، منتشر می‌شود. این اطلاعات می‌تواند در گزارش‌های خبری، گفتگوهای خصوصی، تبلیغات، ادعاهای بهداشتی، تصاویر، آمار و نظرات روزمره ظاهر شود. یک گزاره ممکن است حاوی بخش کوچکی از حقیقت باشد اما همچنان تصویری کاملاً نادرست ارائه دهد.

تفاوت اطلاعات نادرست با اطلاعات گمراه‌کننده هدفمند (Disinformation)

تفاوت اصلی بین اطلاعات نادرست (Misinformation) و اطلاعات گمراه‌کننده هدفمند (Disinformation) در «نیت» است. اطلاعات نادرست معمولاً به دلیل اشتباه، سوءتفاهم یا کمبود دانش به اشتراک گذاشته می‌شود، در حالی که اطلاعات گمراه‌کننده هدفمند به‌طور عمدی برای فریب دادن تولید یا منتشر می‌گردد. بنابراین، یک ادعای غیردقیقِ یکسان می‌تواند در صورت تکرار معمولی و ساده‌لوحانه، اطلاعات نادرست تلقی شود و در صورتی که به عنوان بخشی از یک کمپین فریب‌کاری طراحی شده باشد، اطلاعات گمراه‌کننده هدفمند به شمار رود.

نیت همیشه از خود محتوا قابل تشخیص نیست. برای مثال، یک عکس قدیمی ممکن است توسط یک نفر به اشتراک گذاشته شود که باور دارد این عکس متعلق به زمان حال است، و توسط فردی دیگر به اشتراک گذاشته شود که می‌داند این عکس در یک زمینه دروغین ارائه می‌شود. به همین دلیل است که ارزیابی منبع، تاریخ، شواهد و شرایط پیرامونی به اندازه ارزیابی لحن و واژگان ادعا اهمیت دارد.

چرا اطلاعات نادرست به سرعت منتشر می‌شود؟

سه مکانیزم در مرکز چرایی انتشار ادعاهای دروغین قرار دارند و هر یک از آن‌ها به آرامی در درون منطق سیستم‌های تبلیغاتی مدرن عمل می‌کنند.

اثر اتاق پژواک (The Echo Chamber Effect)

مدل‌های شبیه‌سازی شبکه نشان می‌دهند وقتی گروه‌هایی از کاربران دارای عقاید مشترک و ارتباطات بسیار نزدیک به یکدیگر باشند و هم‌زمان از بقیه شبکه جدا و قطبی شده باشند، پدیده‌های مسری پیچیده مانند اطلاعات نادرست سریع‌تر و فراتر حرکت می‌کنند.

این «اثر اتاق پژواک» به این معنی است که حضور یک خوشه قطبی‌شده مانند یک موج اولیه عمل می‌کند و شتاب اولیه‌ای را ایجاد می‌کند که یک ادعای دروغین را از گمنامی به دید عمومی وسیع می‌رساند. مطالعه این رابطه در واقعیت دشوار است زیرا پیوندهای رسانه‌های اجتماعی بسیار متراکم هستند و حلقه‌های علت و معلولی در هم تنیده‌اند. با این حال، این یافته که قطبی‌شدن افکار و قطبی‌شدن شبکه به صورت هم‌افزا برای تقویت وایرال شدن اطلاعات نادرست عمل می‌کنند، توجیهی باورپذیر برای علت رشد سریع برخی روایت‌های دروغین ارائه می‌دهد.

این امر نشان می‌دهد مخاطبان تبلیغاتی که ساختاری شبیه به اتاق‌های پژواک دارند (خوشه‌های بسیار هم‌فکر با ارتباطات بیرونی کم) ممکن است بستر بسیار مناسبی برای انتشار آمارهای تکذیب‌شده باشند، به ویژه اگر آن آمارها با جهان‌بینی فعلی گروه همسو باشند.

سوخت احساسی

داده‌های تجربی حاصل از یک مطالعه بزرگ با حضور ۷۱۹ شرکت‌کننده آمریکایی نشان داد که افزایش اضطراب باعث می‌شود افراد به شکل قابل‌توجهی تمایل بیشتری به باور و ابراز تمایل برای اشتراک‌گذاری انواع ادعاها (چه درست، چه اصلاحی و چه کاملاً دروغین) داشته باشند. این اثر به ویژه در میان جمهوری‌خواهان مشهود بود، اما الگوی اصلی واضح بود: اضطراب، فیلترهای شناختی را که به طور معمول مانع پذیرش محتوای مشکوک می‌شوند، کاهش می‌دهد.

به طور جداگانه، یک نظرسنجی از ۵۱۳ بزرگسال در کره جنوبی نشان داد که خشم باعث می‌شود افراد ادعاهای دروغین درباره کووید-۱۹ را «از نظر علمی معتبر» ارزیابی کنند، که این ارتباط در میان محافظه‌کاران قوی‌تر بود.

در حوزه تبلیغات، طرح‌های خلاقانه‌ای که به اضطراب یا خشم دامن می‌زنند (خواه از طریق تیترهای فوری یا تصاویر با قاب‌بندی بحران) می‌توانند ناخواسته تعامل را افزایش دهند. هنگامی که این اهرم‌های احساسی در مقیاس بزرگ توسط سیستم‌های خودکاری که صرفاً برای جذب توجه بهینه‌سازی شده‌اند کشیده می‌شوند، همان سوخت‌های احساسی که محرک انتشار اطلاعات نادرست هستند، می‌توانند موتور بهینه‌سازی خلاق پویا (Dynamic Creative Optimization) را به سمت ترجیح دادن نسخه‌های تبلیغاتی حاوی ادعاهای مشکوک سوق دهند.

بررسی‌های صحت‌سنجی (Fact-Checks) می‌توانند اثر معکوس داشته باشند

یک تحلیل بر روی ۵,۳۰۳ پست رسانه‌های اجتماعی و بیش از ۲.۶ میلیون کامنت در فیس‌بوک، توییتر و یوتیوب نشان داد در حالی که مقالات صحت‌سنجی سیگنال‌های مثبتی ایجاد می‌کنند، اما سیگنال‌هایی همسو با اثر «پس‌زدن» (backfire effect) نیز تولید می‌کنند؛ یعنی واکنش‌های کاربری که ممکن است به جای اصلاح باورهای غلط، آن‌ها را تقویت کنند.

نشانه‌های زبانی مانند نرخ بالای فحاشی، استفاده زیاد از ایموجی‌ها و نشانگرهای آگاهی از اطلاعات نادرست، به وفور در پست‌های دروغین دیده می‌شوند. این سیگنال‌ها می‌توانند به پلتفرم‌ها در شناسایی اطلاعات نادرست کمک کنند، اما در عین حال نشان می‌دهند وقتی یک آمار تکذیب‌شده در یک تبلیغ ظاهر می‌شود و گفتگوی پیرامون آن به رشته‌کامنت‌های اصلاحی یا نظرات سمی تبدیل می‌شود، تقویت الگوریتمی آن تعاملات می‌تواند تصویر برند را با آن ادعای دروغین بیشتر مخدوش کند، حتی اگر پیام صریح این باشد که «این اشتباه است».

ما مطمئن نیستیم که اطلاعات نادرست به طور مستقیم باعث آسیب در دنیای واقعی می‌شود

یک بررسی بین‌رشته‌ای در سال ۲۰۲۳ در حوزه‌های علوم کامپیوتر، اقتصاد، روانشناسی و مطالعات رسانه نشان داد که اگرچه پیشرفت‌های فناوری اطلاعات بدون شک باعث تسهیل و آشکار شدن تحریف‌های حقیقت شده است، اما «هنوز به طور تجربی و قابل‌اعتماد ثابت نشده که رفتارهای نادرست نتیجه مستقیم اطلاعات نادرست باشند؛ ممکن است مغالطه رابطه همبستگی به جای علیت در این موضوع دخیل باشد.»

بسیاری از آسیب‌های اجتماعی فرض‌شده، بر پایه درک بین‌ذهنی (آنچه مردم باور دارند در حال رخ دادن است) استوار است، تا یک زنجیره علی و معلولی دقیق از مواجهه تا رفتار. برای بازاریابان، این عدم قطعیت بسیار حیاتی است. این بدان معناست که بزرگ‌نمایی خطر آمارهای تکذیب‌شده در تبلیغات می‌تواند منجر به وحشت غیرضروری شود، اما نادیده گرفتن این ریسک در زمانی که زنجیره واضحی از بازخوردهای منفی و هدر رفتن بودجه مشهود است نیز به همان اندازه بی‌تدبیری خواهد بود.

اطلاعات نادرست چگونه منتشر می‌شود؟

اطلاعات نادرست از طریق شبکه‌های دیجیتال و غیردیجیتال حرکت می‌کند. پلتفرم‌های اجتماعی می‌توانند انتشار و اشتراک‌گذاری را تقریباً آنی کنند، اما گفتگوهای خانوادگی، گروه‌های چت، تلویزیون، تبلیغات و توصیه‌های شفاهی همچنان کانال‌های مهمی هستند. سرعت انتشار اغلب از سرعتی که می‌توان یک ادعا را راستی‌آزمایی کرد، پیشی می‌گیرد.

اطلاعات نادرست در رسانه‌های اجتماعی

رسانه‌های اجتماعی از طریق محتوای بصری، تیترهای موجز و نشانه‌های ملموس محبوبیت، جذب سریع توجه را تشویق می‌کنند. پست‌هایی که خشم، ترس، شگفتی یا سرگرمی ایجاد می‌کنند، ممکن است واکنش‌ها و اشتراک‌گذاری‌های بیشتری نسبت به توضیحات محتاطانه دریافت کنند. یک فرد همچنین ممکن است به این دلیل به یک ادعا اعتماد کند که از طرف یک دوست، یک آشنای کاری یا جامعه‌ای که خود را با آن هویت‌یابی می‌کند، ارسال شده است.

چندین ویژگی معمولاً احتمال انتشار گسترده اطلاعات غیرقابل‌اعتماد را افزایش می‌دهند:

• زبان احساسی می‌تواند اشتراک‌گذاری فوری را قبل از تامل و تفکر تحریک کند.

• تکرار می‌تواند یک ادعای بدون مدرک را آشنا و باورپذیر جلوه دهد.

• تصاویر و ویدیوهای کوتاه ممکن است از تاریخ یا زمینه اصلی خود جدا شوند.

• سیستم‌های پیشنهادی می‌توانند کاربران را در معرض دیدگاه‌های به‌شدت مشابه قرار دهند.

این مکانیزم‌ها باعث نمی‌شوند که هر پست محبوب دروغ باشد، یا هر پست غیرمحبوب دقیق باشد. با این حال، نشان می‌دهند که چرا میزان دسترسی و تعامل (engagement) جایگزین‌های ضعیفی برای شواهد واقعی هستند. یک خواننده دقیق، شواهد اجتماعی پیرامون یک ادعا را از کیفیت خود ادعا تفکیک می‌کند.

چگونه ۳ ابزار اصلی فناوری بازاریابی (MarTech) به ناقل اطلاعات نادرست تبدیل می‌شوند

۱. بهینه‌سازی خلاق پویا (Dynamic Creative Optimization)

پلتفرم‌های بهینه‌سازی خلاق پویا (DCO) به صورت الگوریتمی هزاران تیتر، تصویر و فراخوان برای اقدام (CTA) تبلیغاتی را آزمایش می‌کنند و بودجه بیشتری را به سمت نسخه‌هایی هدایت می‌کنند که نرخ کلیک بالا، سرعت ثبت کامنت بالا یا شتاب اشتراک‌گذاری قوی ایجاد می‌کنند.

مسیر ریسک این است که اگر محتوای احساسی محرک تعامل باشد (همان‌طور که مطالعات اضطراب و خشم نشان می‌دهند)، یک موتور DCO که بر اساس سیگنال‌های تعامل آموزش دیده است، ممکن است طرح‌هایی را ارتقا دهد که دقیقاً به این دلیل که آن نسخه‌ها باعث ایجاد اضطراب یا خشمِ محرک اشتراک‌گذاری می‌شوند، آمارهای تکذیب‌شده را تکرار کنند. سیگنال‌های زبانی که همراه با پست‌های دروغین هستند (فحاشی شدید، واکنش‌های شدید با ایموجی) ممکن است توسط الگوریتم به عنوان «تعامل بالا» اشتباه گرفته شوند و این چرخه را بیشتر تقویت کنند.

بنابراین، بازاریابان باید بررسی کنند که آیا نسخه‌های DCO خودشان که حاوی ادعاهای تاییدنشده هستند عملکرد بهتری نسبت به نسخه‌های عاری از دروغ دارند یا خیر، و بسنجند که آیا این افزایش عملکرد واقعاً یک دارایی برای برند محسوب می‌شود یا خیر.

۲. مدل‌سازی مخاطبان مشابه (Lookalike Audience Modeling)

مدل‌های مخاطب مشابه یک لیست مخاطب اولیه (مانند بازدیدکنندگانی که خرید کرده‌اند یا افرادی که یک ویدیو را تماشا کرده‌اند) را دریافت کرده و میلیون‌ها کاربر جدید با رفتارهای مشابه در پلتفرم پیدا می‌کنند. اگر لیست اولیه از کاربرانی تشکیل شده باشد که با تبلیغات حاوی ادعاهای دروغین تعامل داشته‌اند، یا از کاربرانی که درون اتاق‌های پژواک به‌شدت قطبی‌شده قرار دارند، فرآیند توسعه مخاطب مشابه ممکن است ویژگی‌های ایدئولوژیک و احساسی را به ارث ببرد که بیشتر مستعد اشتراک‌گذاری اطلاعات نادرست هستند.

یک اقدام پیشگیرانه عملی، ممیزی ترکیب مخاطبان اولیه با عملکرد بالا است که توسعه‌های بزرگ مخاطبان مشابه را هدایت کرده‌اند، تا بررسی شود آیا تاریخچه تعامل آن‌ها با محتوایی که بعداً نیاز به اصلاح داشته همسو است یا خیر.

۳. ابزارهای تولید محتوای هوش مصنوعی مولد

مدل‌های زبانی بزرگ و تولیدکننده‌های تصویر، متن‌های تبلیغاتی و تصاویر بصری را از الگوهای موجود در داده‌های آموزشی خود تولید می‌کنند. بدون داشتن فیلترهای حفاظتی صریح، یک ابزار هوش مصنوعی مولد می‌تواند آمارهای تکذیب‌شده را عیناً بازتولید کند، زیرا این ارقام به طور مکرر در سراسر وب، مقالات قدیمی، گفتگوهای فروم‌ها و پست‌های وایرال‌شده قدیمی ظاهر می‌شوند.

نشانگرهای زبانی مرتبط با محتوای دروغین که در مطالعه مذکور به آن‌ها اشاره شد (مانند زبان احساسی بارگذاری‌شده و ساختارهای بلاغی خاص) ممکن است توسط مدل تقلید شوند و به یک ادعای تکذیب‌شده، ظاهری از اعتبار جدید ببخشند.

بنابراین، بازاریابان باید تست‌های داخلی انجام دهند؛ به این صورت که تیترهای اولیه‌ای را که حاوی آمارهای دروغینِ شناخته‌شده هستند به ابزار بدهند تا ببینند آیا ابزار آن‌ها را بازتولید می‌کند یا نسخه‌هایی ایجاد می‌کند که ممکن است از یک بررسی سطحی عبور کنند.

معادله امنیت برند و هدررفت بودجه

هنگامی که یک تبلیغ، برندی را با یک آمار تکذیب‌شده مرتبط می‌کند، شاخص‌های کلیدی عملکرد (KPI) امنیت برند شروع به تغییر می‌کنند. امتیازهای تحلیل حس و حال (Sentiment analysis) ممکن است با اصلاحی شدن کامنت‌ها کاهش یابد. اگر صحت‌سنج‌ها یا کاربران هوشیار محتوا را گزارش کنند، نرخ اسپم و گزارش تخلف بالا می‌رود.

سیگنال‌های منفی شناسایی‌شده در تحلیل زبانی (فحاشی، تراکم ایموجی‌ها، واکنش‌های عاطفی شدید) یک هشدار اولیه قابل‌اندازه‌گیری ارائه می‌دهند مبنی بر اینکه طرح تبلیغاتی ممکن است از مرز عبور کرده باشد. پرداخت هزینه برای تقویت ادعاهای دروغین همچنین بودجه را به شیوه‌ای بسیار مخفیانه هدر می‌دهد: نمایش‌هایی (impressions) که منجر به اثر پس‌زدن صحت‌سنجی یا ایجاد رشته‌کامنت‌های اصلاحی از سوی کاربران می‌شوند، تعاملی ایجاد می‌کنند که در داشبوردها خوب به نظر می‌رسد اما وقتی بر اساس سلامت واقعی برند سنجیده شود، بازگشت سرمایه (ROI) منفی به همراه دارد.

با این حال، هشدار بررسی بین‌رشته‌ای را به یاد داشته باشید: ارتباط بین مواجهه با اطلاعات نادرست و پیامدهای رفتاری قابل‌اندازه‌گیری مصرف‌کننده (مانند خودداری از خرید) از نظر تجربی همچنان ضعیف است. احتیاط لازم است، اما پیش‌بینی‌های اغراق‌آمیز درباره نابودی فوری برند توسط شواهد تایید نمی‌شوند.

پروتکل ممیزی مرحله به مرحله: موجودی‌گیری، راستی‌آزمایی، سرکوب

این پروتکل، پژوهش‌های انجام‌شده را به توالی خاصی تبدیل می‌کند که هر تیم رشد می‌تواند آن را اجرا کند، به طوری که هر مرحله به یک شواهد مشخص و یک KPI قابل‌اندازه‌گیری متصل است.

مرحله ۱: موجودی‌گیری (Inventory)

لیستی از تمام دارایی‌های خلاقانه، متغیرهای قالب پویا، منابع اولیه مخاطبان و دستورهای (prompts) هوش مصنوعی مولد مورد استفاده در کمپین‌های فعال فعلی و برنامه‌ریزی‌شده تهیه کنید. هر دارایی را که حاوی ادعاهای آماری، ارقام مرتبط با سلامت، ارجاعات سیاسی یا زبان مرتبط با بحران است (مانند نرخ ابتلای کووید-۱۹، آمارهای انتخابات، شاخص‌های اقتصادی) نشانه‌گذاری کنید. این موجودی مبنای بقیه ممیزی خواهد بود.

اتصال به KPI: معیارهای فعلی امنیت برند، امتیازات حس و حال کامنت‌ها، گزارش‌های راستی‌آزمایی شخص ثالث و سهم نمایش‌های گزارش‌شده خود را برای هفته قبل از ممیزی استخراج کنید. این‌ها معیارهای مرجع پیش از مداخله شما هستند.

مرحله ۲: راستی‌آزمایی ادعا (Claim Verification)

هر ادعای واقعی موجود در لیست خود را با منابع اصلی و پایگاه‌های داده معتبر صحت‌سنجی (مانند منابع Snopes و PolitiFact که در مطالعه زبان‌شناختی استفاده شده‌اند) مطابقت دهید.

هنگامی که با یک آمار تکذیب‌شده مواجه می‌شوید، نسخه‌ای اصلاح‌شده که ادعای دروغین را به صورت نفی‌شده تکرار می‌کند («X درست نیست») ایجاد نکنید. چنین نفی‌هایی می‌توانند ناخواسته ادعای دروغین را تقویت کنند؛ الگویی که با سیگنال‌های پس‌زدن مشاهده‌شده در تحلیل کامنت‌ها همخوانی دارد.

در عوض، ادعا را کاملاً با یک گزاره واقعیِ تاییدشده جایگزین کنید. برای خروجی‌های هوش مصنوعی مولد، یک ایستگاه بازبینی انسانی اجباری قبل از ورود هرگونه متن تولیدشده توسط هوش مصنوعی به جریان DCO قرار دهید.

مرحله ۳: تنظیم قوانین سرکوب (Suppression Rule Setup)

قوانین سرکوب خودکار را در پلتفرم‌های تبلیغاتی خود با استفاده از نشانه‌های زبانی و احساسی شناسایی‌شده در پژوهش‌ها اعمال کنید:

• هر نسخه تبلیغاتی را که بخش کامنت‌های آن از آستانه مشخصی از سیگنال‌های آگاهی از اطلاعات نادرست (به ویژه نسبت بالای فحاشی یا استفاده گسترده از ایموجی نسبت به هنجار حساب شما) فراتر می‌رود، متوقف کنید.

• بخش‌هایی از مخاطبان را که الگوهای تعاملی مرتبط با اضطراب شدید یا خشم با محتوای حساس نشان می‌دهند، سرکوب کنید. اگرچه این بخش‌ها ممکن است نرخ کلیک بالایی نشان دهند، اما ریسک بیشتری برای تحریک حلقه اثر پس‌زدن دارند.

• یک پایگاه داده از ادعاهای ممنوعه بسازید و از ورود مجدد هرگونه لینک تکذیب‌شده، آمار دروغین یا ادعای نادرست بازنویسی‌شده به کتابخانه DCO خود جلوگیری کنید. این کار مانع از آن می‌شود که الگوریتم یک نسخه قدیمی و مشکل‌ساز را که قبلاً در معیارهای تعامل سطحی عملکرد خوبی داشته است، دوباره بالا بیاورد.

نتیجه را با ردیابی این سه رقم پس از فعال شدن قوانین سرکوب بسنجید: درصد کاهش گزارش‌های صحت‌سنجی در طرح‌های تبلیغاتی، تغییر در جهش‌های حس و حال منفی پس از راه‌اندازی تبلیغ، و کاهش هزینه پرداخت‌شده برای جایگاه‌های تبلیغاتی که نرخ گزارش تخلف بالایی تولید می‌کنند.

از آنجا که رابطه بین سیگنال‌های کامنت و انتشار واقعی اطلاعات نادرست از نوع همبستگی است، شناسایی به معنای پیشگیری نیست. این پروتکل یک لایه کاهش ریسک است، نه یک درمان بی‌نقص.

نتیجه‌گیری

ادغام ابزارهای خودکار بازاریابی، ریسک منحصر‌به‌فردی برای تقویت ناخواسته اطلاعات نادرست دیجیتال ایجاد می‌کند. سیستم‌هایی که برای سرعت و مقیاس‌پذیری طراحی شده‌اند، می‌توانند ادعاهای تکذیب‌شده را بدون نظارت انسانی به کمپین‌های فعال بازگردانند. این تبدیلِ خطر مربوط به شهرت به یک مشکل فنی در فناوری بازاریابی (martech)، نیازمند توجه فوری تیم‌های رشد است.

اگرچه ارتباط علی بین مواجهه با اطلاعات نادرست و رفتار خاص مصرف‌کننده همچنان موضوع بحث‌های آکادمیک است، اما کاهش پیشگیرانه ریسک ضروری است. اجرای پروتکل‌های ممیزی ساختاریافته به عنوان یک اقدام حفاظتی کم‌هزینه و برگشت‌پذیر برای حفظ یکپارچگی برند عمل می‌کند. بازاریابان با حذف ادعاهای نادرست تاییدشده، از کارایی بودجه و امنیت بلندمدت برند خود محافظت می‌کنند.

پروتکل ممیزی شما ادعاهای دروغین را پاکسازی می‌کند، اما چه چیزی باعث ماندگاری نام برند در ذهن می‌شود؟ بیاموزید که چرا تیم‌های مدرن برای عبور از حدس و گمان و به دست آوردن Insight مبتنی بر داده در مورد نحوه پردازش واقعی برند شما توسط مخاطب، به فناوری‌های عصبی (neurotechnology) روی می‌آورند.

منابع

1. Törnberg, P. (2018). Echo chambers and viral misinformation: Modeling fake news as complex contagion. PLoS one, 13(9), e0203958. https://doi.org/10.1371/journal.pone.0203958

2. Freiling, I., Krause, N. M., Scheufele, D. A., & Brossard, D. (2023). Believing and sharing misinformation, fact-checks, and accurate information on social media: The role of anxiety during COVID-19. New media & society, 25(1), 141-162. https://doi.org/10.1177/14614448211011451

3. Han, J., Cha, M., & Lee, W. (2020). Anger contributes to the spread of COVID-19 misinformation. Harvard Kennedy School Misinformation Review, 1(3).

4. Jiang, S., & Wilson, C. (2018). Linguistic signals under misinformation and fact-checking: Evidence from user comments on social media. Proceedings of the ACM on Human-Computer Interaction, 2(CSCW), 1-23. https://doi.org/10.1145/3274351

5. Adams, Z., Osman, M., Bechlivanidis, C., & Meder, B. (2023). (Why) is misinformation a problem?. Perspectives on Psychological Science, 18(6), 1436-1463. https://doi.org/10.1177/17456916221141344

سوالات متداول

اثر اتاق پژواک چیست و چگونه به انتشار اطلاعات نادرست کمک می‌کند؟

اثر اتاق پژواک زمانی رخ می‌دهد که گروه‌های قطبی‌شده و با ارتباطات نزدیک، نظرات مشترکی را به اشتراک می‌گذارند و به پدیده‌های مسری پیچیده مانند اطلاعات نادرست اجازه می‌دهند سریع‌تر و فراتر حرکت کنند. این شتاب موج اولیه می‌تواند ادعاهای دروغین را از گمنامی به دید عمومی وسیع برساند، به ویژه در میان مخاطبان تبلیغاتی که ساختار آن‌ها شبیه به چنین اتاق‌های پژواکی است.

اضطراب و خشم چگونه بر احتمال اشتراک‌گذاری اطلاعات نادرست در تبلیغات توسط افراد تاثیر می‌گذارند؟

افزایش اضطراب با کاهش فیلترهای شناختی، باعث می‌شود افراد به شکل قابل‌توجهی تمایل بیشتری به باور و اشتراک‌گذاری انواع ادعاها، از جمله ادعاهای دروغین داشته باشند. به همین ترتیب، خشم باعث می‌شود افراد ادعاهای دروغین را از نظر علمی معتبرتر ارزیابی کنند، که این حالات احساسی پتانسیل افزایش تعامل با تبلیغات حاوی آمارهای تکذیب‌شده را دارند.

اثر پس‌زدن چیست و چرا برای برندها مشکل‌ساز است؟

اثر پس‌زدن زمانی اتفاق می‌افتد که مقالات صحت‌سنجی واکنش‌هایی در کاربران ایجاد می‌کنند که به جای اصلاح باورهای غلط، آن‌ها را تقویت می‌کنند؛ واکنش‌هایی مانند فحاشی، استفاده زیاد از ایموجی و نشانه‌های آگاهی از اطلاعات نادرست. هنگامی که یک آمار تکذیب‌شده در یک تبلیغ ظاهر می‌شود، رشته‌کامنت‌های اصلاحی و نظرات سمی حاصل از آن می‌توانند ادعای دروغین را به صورت الگوریتمی تقویت کرده و ارتباط برند با آن را مخدوش‌تر کنند.

چگونه پلتفرم‌های بهینه‌سازی خلاق پویا (DCO) می‌توانند به ناقل اطلاعات نادرست تبدیل شوند؟

پلتفرم‌های DCO نسخه‌های مختلف تبلیغات را به صورت الگوریتمی آزمایش کرده و بودجه را به سمت مواردی با تعامل بالا هدایت می‌کنند. اگر محتوای احساسیِ محرک اضطراب یا خشم منجر به اشتراک‌گذاری شود، سیستم DCO ممکن است طرح‌های حاوی آمارهای تکذیب‌شده را ترجیح دهد، زیرا آن نسخه‌ها همان سوخت‌های احساسی را فعال می‌کنند که محرک انتشار اطلاعات نادرست هستند.

چگونه ابزارهای تولید محتوای هوش مصنوعی مولد می‌توانند آمارهای تکذیب‌شده را بازتولید کنند؟

ابزارهای هوش مصنوعی مولد متن تبلیغاتی را از الگوهای موجود در داده‌های آموزشی خود تولید می‌کنند که ممکن است حاوی آمارهای تکذیب‌شده از مقالات قدیمی یا گفتگوهای فروم‌ها باشد. بدون فیلترهای حفاظتی، هوش مصنوعی می‌تواند این اعداد را عیناً بازتولید کند و نشانگرهای زبانی محتوای دروغین نیز ممکن است تقلید شوند و به ادعای تکذیب‌شده ظاهری جدید ببخشند.

معادله امنیت برند در هنگام استفاده از آمارهای تکذیب‌شده در تبلیغات چیست؟

هنگامی که یک تبلیغ، برندی را با یک آمار تکذیب‌شده مرتبط می‌کند، شاخص‌های کلیدی عملکرد (KPI) امنیت برند تغییر می‌کنند: امتیازهای حس و حال کاهش می‌یابد، نرخ اسپم و گزارش تخلف بالا می‌رود و سیگنال‌های منفی مانند فحاشی و تراکم ایموجی افزایش می‌یابد. پرداخت هزینه برای تقویت ادعاهای دروغین، بودجه را صرف تعاملاتی می‌کند که در داشبوردها خوب به نظر می‌رسند اما بازگشت سرمایه منفی برای سلامت واقعی برند دارند.

نکته کلیدی درباره ارتباط بین اطلاعات نادرست و آسیب در دنیای واقعی چیست؟

یک بررسی بین‌رشته‌ای هشدار می‌دهد که اگرچه فناوری اطلاعات تحریف حقیقت را تسهیل می‌کند، اما هنوز به طور تجربی و قابل‌اعتماد ثابت نشده که رفتارهای نادرست نتیجه مستقیم اطلاعات نادرست باشند؛ ممکن است همبستگی با علیت اشتباه گرفته شود. این بدان معناست که بزرگ‌نمایی خطر غیرضروری است، اما نادیده گرفتن زنجیره واضح بازخوردهای منفی و هدررفت بودجه نیز بی‌تدبیری خواهد بود.

سه مرحله در پروتکل ممیزی برای کاهش ریسک اطلاعات نادرست چیست؟

پروتکل ممیزی شامل سه مرحله است: موجودی‌گیری از تمام دارایی‌های خلاقانه و نشانه‌گذاری ادعاها، انجام راستی‌آزمایی ادعاها در برابر پایگاه‌های داده صحت‌سنجی و جایگزینی آمارهای تکذیب‌شده با گزاره‌های واقعی تاییدشده، و تنظیم قوانین سرکوب بر اساس نشانه‌های زبانی و احساسی مانند فحاشی و استفاده از ایموجی. این کار یک لایه کاهش ریسک ایجاد می‌کند، نه یک درمان بی‌نقص.

چرا پروتکل ممیزی به جای یک ضرورت اثبات‌شده، یک اقدام حفاظتی کم‌هزینه و برگشت‌پذیر تلقی می‌شود؟

پایه علمی پژوهش‌ها به طور مستقیم آزمایش نمی‌کند که آیا سیستم‌های MarTech به طور سیستماتیک آمارهای تکذیب‌شده را بازنشر می‌کنند یا خیر؛ این مسیرها استنتاج‌های علمی بر پایه علوم پایه هستند. پروتکل ممیزی یک اقدام حفاظتی کم‌هزینه و برگشت‌پذیر در برابر ریسکی است که در صورت درست بودن فرضیات، عواقب مالی و اعتباری قابل‌توجهی به همراه خواهد داشت.