Az interneten szinte korlátlanul és a valódi híreknél tízszer nagyobb eléréssel terjednek az ál-hírek és az áltudományos szövegek. Hatalmas veszélyt jelent ez arra a több mint 5 milliárd emberre, aki használja az internetet, és különösen arra a 4,7 milliárdra, aki a közösségi médiát is. A COVID–19 járványhoz kapcsolódóan is megmutatkozott, hogy milyen súlyos károkat okoznak az álhírek. A WHO 2021. április 27-i jelentése szerint 2020 első 3 hónapjában mintegy 6000 fő került kórházba és 800-an meghaltak az álhírek miatt a világon; az USA-ban a tömeges dezinformáció hatására megnövekedtek a fertőzésszámok és a halálozások. A járvánnyal kapcsolatos álhírek gazdasági károkat is okoztak (l. 5G rendszer tornyai elleni támadások Nyugat-Európában). Az orosz-ukrán háborúban is példátlan mennyiségű álhír ömlik a világra, aminek a következményei jelenleg még beláthatatlanok. Mivel álhírek, áltudományos nézetek számos területen megjelennek, nyilvánvaló, hogy azonosításuk társadalmi és gazdasági szempontból is nagy jelentőségű. Az online dezinformáció terjedé-sének–terjesztésének fenyegetését és az okozott károk nagyságát felismerve az Európai Unió Tanácsa 2015-től kezdve folyamatosan küzd a dezinformálás és annak következményei ellen különböző cselekvési tervek, riasztási rendszerek, obszervatóriumok, tényellenőrző szolgáltatások, kutatási projektek stb. létrehozásával és működésének támogatásával (SOLTÉSZ 2023). A tagországok ezen jellegű tevékenységeinek és szervezeteinek koordinálására hozta létre az Európai Bizottság 2020-ban az Európai Digitális Média Obszervatóriumot (European Digital Media Observatory, EDMO), amelyhez 2023-ban csatlakozott a Magyar Digitális Média Obszervatórium (Hungarian Digital Media Observatory, HDMO) kibővített formában, hat autonóm szervezet részvételével. A hat szervezet közül a Lakmusz és az AFP hírügynökség tényellenőrzést végez.
Az eddigi álhírfelismerő eszközök vagy szolgáltatások az általuk használt módszerek alapján három csoportra oszthatók:
Az előbbi két módszer humán döntési folyamatokat igényel, ezért alkalmazásuk rendkívül költségigényes és lassú, így csak egy-egy konkrét szöveg vagy weboldal megítélésére használják. A harmadik módszer, azaz az NLP alapú szövegosztályozás automatikus eszközök alkalmazásával viszont akár hosszú szöveg valós idejű elemzését is lehetővé teszi a szavak gyakorisági jellemzőit felhasználva (l. pl. a TF-IDF (term frequency-inverse document frequency) módszer). Ugyanakkor, ha csak a szöveg tematikus szókészletét vesszük figyelembe, akkor a tartalom alapján minősítünk egy szöveget álhírnek, ami téves is lehet: pl. a covid, vakcina és chip szavak együttes előfordulása nem feltétlenül álhírt jelez, lehet az álhír cáfolata is.
Felmerül tehát a kérdés, hogyan ismerhetők fel megbízhatóan az álhírek és az áltudományos szövegek, továbbá vannak-e olyan jellemzőik, amelyek alapján azonosíthatók?
Kutatócsoportunk ezen kérdések megválaszolását tűzte ki célul a kutatást egy tágabb, tudományelméleti, nyelvészeti alap- és alkalmazott kutatási, valamint innovációs perspektívába helyezve. A kiinduló hipotézisünk az, hogy az álhírekben és az áltudományos szövegekben találhatók a szókészlet mellett olyan nyelvi és nyelvhasználati jegyek és stratégiák, amelyek alapján vagy amelyek kombinációi alapján egy szövegről gyanítható, hogy az álhír vagy áltudományos szöveg.
A kutatásnak három fő célkitűzése van:
6722 Szeged, Egyetem utca 2. |
|
enyik@szte.hu |
MTA-SZTE-DE Elméleti Nyelvészeti és Informatikai Kutatócsoport
MTA Tudomány a Magyar Nyelvért Nemzeti Program
Álhírek, áltudományos nézetek nyelvészeti azonosítása alprogram
Szegedi Tudományegyetem
Bölcsészet- és Társadalomtudományi Kar
Általános Nyelvészeti Tanszék