A SZAB Nyelvtudományi Munkabizottság és az MTA-SZTE-DE Elméleti Nyelvészeti és Informatikai Kutatócsoport workshopot szervez a Magyar Tudomány Ünnepére

Álhírek és áltudományos nézetek nyelvészeti és automatikus azonosítása

címmel.

Az MTA Tudomány a Magyar Nyelvért Nemzeti Program Álhírek, áltudományos nézetek nyelvészeti azonosítása című alprogramjának rendezvénye

Időpont:
2024. november 8., 9.00 óra

Helyszín:
Szegedi Tudományegyetem Bölcsészet- és Társadalomtudományi Kar, Kari Konferenciaterem, Szeged, Egyetem u. 2.

Az MTA Tudomány a Magyar Nyelvért Nemzeti Program Álhírek, áltudományos nézetek nyelvészeti alapú azonosítása c. alprogramjának workshopján a projekt második évének eredményeit  mutatjuk be és vitatjuk meg.
Az előadók a projekt munkatársai, az MTA-SZTE-DE Elméleti Nyelvészeti és Informatikai Kutatócsoportjának a tagjai tudományelméleti, nyelvészeti és informatikai kutatásaik eredményeivel járulnak hozzá a projekt 3 fő céljának a megvalósításhoz:

1. az álhírek és áltudományos szövegek vizsgálatának tudományelméleti megalapozásához,
2. az egészségügy tématerületére tartozó álhírek és áltudományos szövegek nyelvi jegyeinek és nyelvhasználati stratégiáinak megállapításához, és
3. automatikus, egészségügyi álhírdetektáló eszközök fejlesztéséhez.

Program

9.00–9.10	Megnyitó: Németh T. Enikő
1. szekció, levezető elnök: Csendes Tibor
9.10–9.35	Berend Gábor: Nagy nyelvi modellek fölhasználása az automatikus álhírfelismerési feladatban
9.35–10.00	Ficsor Tamás: Topikorientált adatgyűjtés és feldolgozás
10.00–10.25	Szécsényi Tibor, Virág Nándor: Automatikus felszólításannotálás nagy nyelvi modellel
10.25–10.40	Szünet
2. szekció, levezető elnök: Csatár Péter
10.40–11.05	Rákosi Csilla: A pragmatika szerepe az áltudomány definiálásában, avagy definiálható-e az áltudomány fogalma a nyelvészeti pragmatika eszközeivel
11.05–11.30	Németh T. Enikő, Nagy C. Katalin és Németh Zsuzsanna: Implicit pragmatikai jelenségek korpusz-alapú összehasonlító elemzése egészségügyi témájú valódi hírek és álhírek címeiben
11.30–11.55	Bibok Károly: A fokozás fajtái egészségügyi álhírekben és valódi hírekben
11.55–13.30	Ebéd
3. szekció, levezető elnök: Németh Zsuzsanna
13.30–13.55	Bozsik Tamara, Németh T. Enikő: Verbális agresszió az egészségügyi álhírekben? – Egy esettanulmány tanulságai
13.55–14.20	Kovács Pál: A szándékoltság pragmatikai megközelítése szövegszervező elemek vizsgálatával álhírekben
14.20–14.45	Szabó Éva: Idézés az áltudományos szövegekben a MedCollect korpusz alapján
14.45–15.00	Szünet
4. szekció, levezető elnök: Németh T. Enikő
15.00–15.25	Nagy C. Katalin, Virág Nándor, Karai Bence: Indirekt direktívák annotálása a MedCollect korpuszban
15.25–15.50	Gencsi Mihály: Nagy nyelvi modellek generált szövegeinek vizsgálata az álhírfelismerési feladatban
15.50–16.15	Vörös Richárd: Az álhírdetektáló böngésző bővítmény és Android alkalmazás fejlődése és működése
16.15	Zárszó: Németh T. Enikő

 

Összefoglalók

Berend Gábor: Nagy nyelvi modellek fölhasználása az automatikus álhírfelismerési feladatban

Előadásunkban röviden bemutatjuk a nagy nyelvi modellek működését és azok limitációit. Ezt követően szót ejtünk a modellek generatív képességeinek az álhírek azonosításában történő alkalmazásáról. Az előadás során végezetül ismertetjük az egészségügyi témában létrehozott MedCollect álhírkorpuszon a nagy nyelvi modellek segítségével kapott első eredményeinket.

Ficsor Tamás: Topikorientált adatgyűjtés és feldolgozás

Az interneten hatalmas mennyiségű információ áll rendelkezésünkre, azonban ezen tartalmak nagyrészt kategorizálatlanul fellelhetőek. Számos feladat megoldásához viszont elkerülhetetlen, hogy a tartalomról valamilyen információval előre rendelkezzünk. A dokumentumok automatikus kategorizálása ennél fogva egy fontos előszűrési lépésnek tekinthető bármely feladat megoldásához. A rengeteg lehetséges kategória közül elsősorban az orvosi és gyógyszerészeti tematikájú szövegek felügyelet nélküli felfedezésére és azonosítására teszünk kisérletet.

Szécsényi Tibor, Virág Nándor: Automatikus felszólításannotálás nagy nyelvi modellel

A MedCollect korpusz feldolgozása során korábban a felszólító alakok különböző funkcióinak azonosítása történt kézi annotálással. A funkciók azonosításánál nemcsak az alakok közvetlen környezetét kellett figyelembe venni, hanem a tágabb kontextust is. Emiatt az annotálási folyamat hosszú ideig tartott és nagy szakértelmet igényelt.

Ahhoz, hogy a kézi annotálás eredményeit felhasználhassuk egy automatikus álhírdetektáló eszközben, arra van szükség, hogy ezeket a jellemzőket új, ismeretlen szövegen is azonosítani lehessen. Ezért a felszólításannotálás automatizálásával kapcsolatban gépi tanulási kísérleteket végeztünk. A kísérletek arra vonatkoztak, hogy mekkora kontextus szükséges egy automatikus annotáló eszköz hatékony működéséhez. A kísérletek során az annotált korpusz 128, 256 és 512 token hosszúságú szegmentumaival finomhangoltuk a használt huBert nagy nyelvi modellt. A
kísérletek eredményeként a direktívák típusaival kapcsolatban a kézi annotátorok hatékonyságával összevethető eszközt készítettünk.

A legjobban teljesítő modell esetében azt is megvizsgáltuk, hogy az adott nagyságú kontextusok különböző részeiben (eleje, közepe, vége) eltérő volt-e a modell pontossága. A vizsgálat kimutatta, hogy a bal oldali kontextus jobban befolyásolta az annotálás hatékonyságát.

Rákosi Csilla: A pragmatika szerepe az áltudomány definiálásában, avagy definiálható-e az áltudomány fogalma a nyelvészeti pragmatika eszközeivel

Az 'áltudomány' fogalmát többen is megkísérelték a 'bullshit' fogalma segítségével definiálni (Ladyman 2013, Moberger 2020), a 'bullshit' fogalmát pedig néhányan pragmatikai eszközök alkalmazásával értelmezték (Fallis 2009, Dynel 2011, Meibauer 2016). Az előadásomban azt a kérdést szeretném körbejárni, hogy vajon az áltudomány definiálásánál is alkalmazhatók/alkalmazandók-e a nyelvészeti pragmatika (beszédaktus-elmélet, társalgási implikatúrák) eszközei.

Németh T. Enikő, Nagy C. Katalin és Németh Zsuzsanna: Implicit pragmatikai jelenségek korpusz-alapú összehasonlító elemzése egészségügyi témájú valódi hírek és álhírek címeiben

A kattintásvadászat hírcímek terjedése utat nyithat a manipulatív tartalmak terjedésének. Jóllehet a szakirodalom eddig a jelenséghez köthető explicit nyelvi szközöket vizsgálta, a
clickbaitcímek nagy része az implicitség nyelvi eszközeivel is manipulál. Előadásunkban három rejtett jelenség (implicit argumentumok, rejtett tartalmak a beszédaktusokban és implikatúrák) kvalitatív és kvantitatív összehasonlító elemzését végezzük el 600-600 db valódi- és álhírcímben az egészségügyi híreket tartalmazó MedCollect korpuszon.

Konklúziónk, hogy az implicitség az álhírekben gyakrabban szolgál mögöttes manipulatív célokat (pszichológiai hatások keltése, kattintásvadászat), az implicit argumentumok, a várható tartalom szempontjából nem releváns információk és a társalgási implikatúrák gyakoribb alkalmazásával. Ezzel szemben a valódi hírek címei szerkezetileg egyszerűbbek, információtartalmuk relevánsabb és az implicitség általában a cím elvárható tömörsége, összefoglaló funkciója miatt jelenik meg.

Bibok Károly: A fokozás fajtái egészségügyi álhírekben és valódi hírekben

A MedCollect korpusz további annotálásának, valamint az egészségügyi álhírek és valódi hírek összehasonlíthatóságának keretében a fokozás három típusa különböztethető meg. A hagyományos morfológiai fokjelen, valamint a fok- és mértékhatározón túl bevezetjük a lexikai fokozás fogalmát. A lexikailag nem fokozott szavakon túl lexikailag fokozott elemek is részt vehetnek a fokjeles szóalakokban, valamint a fok- és mértékhatározós szószerkezetekben (akár determinánsként, akár alaptagként).

Bozsik Tamara, Németh T. Enikő: Verbális agresszió az egészségügyi álhírekben? – Egy esettanulmány tanulságai

Az álhírekben a dezinformáció és a nem szándékos félretájékoztatás gyakran megjelenő elemek, melyek kéz a kézben járnak a gyűlöletbeszéddel. A gyűlöletbeszéd, mely a verbális agresszió egyik megnyilvánulási formája, megjelenik az egészségügyi álhírekben is. Hogyan ismerhető fel a gyűlöletbeszéd az álhírekben? 

Kovács Pál: A szándékoltság pragmatikai megközelítése szövegszervező elemek vizsgálatával álhírekben

Az előadás arra tesz kísérletet, hogy korpuszmódszerekkel és a pragmatika fogalomkészletével azonosítson szövegszervező lexémákat, amelyek segítségével megragadható a közlői szándék az álhírekben. Ezt az előadás a valójában lexéma elemzésén keresztül járja körül, amely szövegszervező funkciója mellett olyan pragmatikai mechanizmusokra is enged következtetni, amelyek túlmutatnak a szöveg felszíni struktúráján, és számot adhatnak a közlői szándékról is. Javaslatot teszek a lexéma együttes előfordulási konfigurációinak lehetséges kategorizálására, amely minden esetben megköveteli a szövegszintű kontextus figyelembevételét is. Az álhírkorpusz találatai alapján kifejtem: a (i) de + valójában együttes előfordulásának konfigurációja, a (ii) mi + valójában? idiomatikus konfiguráció, és a (iii) nyomatékosító valójában típusának pragmatikai működésmódját. Az egyes altípusok sajátosságai mellett rámutatok arra is, hogy létezik egy magfunkció, amely a valójában lexéma használata esetében állandó: háttérfelvetések mozgósításával létrehoz egy logikai sémát, amely tagadott és preferált kijelentések halmazaiba tagolja a szöveg kifejtett és kifejtetlen tartalmait. Ez a funkció teszi fontos szövegszervező elemmé a lexémát, amely az álhírek szövegtípusában sematikusan működik.

Szabó Éva: Idézés az áltudományos szövegekben a MedCollect korpusz alapján

Az álhírek egyik típusának tekinthető áltudományos szövegek a tudományosság látszatát keltik, mivel tudományos módszereket, terminusokat alkalmaznak, egyúttal forrásmegjelölés és idézés is felfedezhetők bennük, melyek fokozhatják meggyőző erejüket. Az előadás a MedCollect korpusz 900, áltudományosnak tekinthető szövegét vizsgálja az idézési módok szempontjából, melynek fókuszában az összetett jelenetként megkonstruált, a mond és az állít idéző igéket tartalmazó idézések állnak (vö. Csontos 2023).

Nagy C. Katalin, Virág Nándor, Karai Bence: Indirekt direktívák annotálása a MedCollect korpuszban

A közvetlen direktívák annotálásának kiegészítéseként a felszólítások indirekt formáinak annotálását tűztük ki célul a MedCollect egészségügyi (álhír)korpusz szövegeiben. Egyes megnyilatkozásokban a felszólító funkció köthető valamely nyelvi elemhez (konvencionálisan indirekt direktívák), míg másokban nem (nem konvencionálisan indirekt direktívák). Amennyiben van olyan nyelvi szerkezet, amelyhez konvencionálisan köthető ez a funkció, akkor azt is megjelöltük. Ez utóbbi cél elősegítésére az annotálásra előkészített szövegben meg lettek jelölve a potenciálisan direktív funkciójú nyelvi egységek. Az előadásban bemutatjuk az annotálás menetét, a kategóriákat, végül az eredményeinket értelmezve összehasonlítjuk az indirekt direktívák használatát korpuszunk álhíreiben és valódi híreiben.

Gencsi Mihály: Nagy nyelvi modellek generált szövegeinek vizsgálata az álhírfelismerési feladatban

A Generatív Nagy Nyelvi Modellek lehetőséget biztosítottak a szövegek alaposabb elemzésére, ezáltal alkalmazhatóvá váltak az álhírek felismerésében is. Egy jól megfogalmazott kérdés segítségével szélesebb körű információkhoz juthatunk az elemzett szövegekről. Jelen előadásban arra helyezzük a hangsúlyt, hogyan hasznosíthatjuk a Generatív Nagy Nyelvi Modellek eredményeit a jelenlegi megoldásokban.

Vörös Richárd: Az álhírdetektáló böngésző bővítmény és Android alkalmazás fejlődése és működése