1.1识别和选择

弄清楚验证的对象和技术上如何实现，是实践中的难点。一方面受到技术的限制，另一方面体现了核查组织的价值理念，会对最终的核查效果产生决定性的影响。

阿灵顿德克萨斯大学的计算机科学家和他们的团队开发了一个系统来监控指定的广播电视媒体、推特账户和网站的内容。在他们看来，立场和观点都是自由的，只有重要的事实陈述才是最公开的，最值得核查的。通过自然语言处理和机器收集网站对人类判断的不断学习，将海量的内容分为非事实性陈述、不重要的事实性陈述和重要的事实性陈述。同时，该网站还为个人用户提供端到端的事实检查和测试服务。

杜克大学记者实验室试图为智能手机、平板电脑和电视平台提供实时事实核查。该团队设计了“pop-”程序，试图通过一系列仍处于测试阶段的应用程序，将核查结果直接显示在电子设备上。它开发的验证应用程序也有语音激活助手，通过智能语音识别和分析告知验证结果；浏览器扩展，在总统辩论等新闻场景中提供即时的弹幕事实检查；帮助搜索引擎查找事实核查文章的小部件。

由爱尔兰记者创立，致力于验证社交媒体内容的真实性。公司开发的信息监控工具，可以实时监控Twitter、Facebook、Youtube、Instagram、Pinerest等社交媒体上的UGC，并将抓取到的具有新闻价值的热点素材推送给人工编辑，主要是视频素材。“接收者”的人工编辑凭借长期的新闻工作经验，对有使用价值的内容进行判断和选择。

目前，一些验证机构仍然使用手动方法来筛选要验证的内容。比如PolitiFact，检查政客的公开声明。记者每天从读者的邮件、电视、社交媒体中选择稿件、演讲稿、新闻报道、小册子的内容，进行人工核实和评分，重点核实强势方或反复发表误导性言论的主体。该网站因其在美国大选中的出色表现获得了2009年普利策奖。

还有由国际非盈利企业Meedan开发的内容管理平台Checkdesk。一个记者发布一个事件进行验证，用户可以上传社交媒体链接。记者审查后，可以形成事件的核实报告，以促进公众讨论。

除了专门的认证机构，平台社交媒体还将根据管理需求对平台的内容进行监管。Facebook的社区代码明确规定，平台禁止欺凌、欺诈和仇恨言论。近年来，由于受到假新闻的批评，Facebook宣布将再雇佣3000人进行内容审查，并改进机器学习算法，以识别涉嫌假新闻的内容。在中国，腾讯开发了一个真正的平台和谣言过滤器，为用户提供搜索服务和人工检查内容的服务。

1.2验证和分析

自动事实检查的第二步是检查筛选的内容。目前的方法和思路是将内容与核对过的陈述或权威来源进行匹配和比较。从技术上来说，一方面要求机器具有理解文本和交叉分析多个来源的能力，另一方面需要有一个来源确定的经过验证的数据库。

目前ClaimBuster的验证自动化程度较高。它的匹配工具可以从其他数据库和网站收集经过验证的内容。验证工具将待验证的内容与其进行比较，分析它们之间的符号相似性和语义相似性，并生成详细的验证报告。此外，平台开发了一个端到端的验证门户，用户可以在其中自行搜索表达式，ClaimBuster将匹配类似的表达式并提供验证结果。

由威廉姆斯大学的贾丝汀伯曼(JustinBerman)等三位同学开发的NewsCracker，通过算法衡量媒体报道的倾向性，以标题强度、中立性和准确性综合得分来评价媒体报道的可信度。算法衡量的标准包括具体网站现有的初步评分、同一新闻的报道数量、引用的数量和来源、有偏项的数量、句子的长度和结构，被团队认为是“最重要的五个事实命题”。

但实际上，把需要验证的内容分类分解成小任务，借助网站工具提供人工判断的信息，仍然是最常见的做法。路透社的研究报告认为，虽然目前的自然语言识别算法可以有效地捕捉句子的相似变体，但后续的分析往往牺牲了验证的准确性。而且在对事实核查人员和计算机科学家的调研和访谈中，发现目前的自动事实核查技术不具备核查人员所要求的语境判断和敏感度。

Politifact成立于2007年《坦帕湾时报》，现已开发出一种真实性测量仪。编辑和记者根据公众人物的言论是否准确、重要信息是否缺失、是否具有误导性，将公众人物的言论分为六个等级：真实、基本真实、部分真实、基本不真实、不准确、完全不准确。此外，为了评估政治家在重要问题上的立场的一致性及其最初承诺的履行情况，开发了一个逆转测量工具和一个承诺履行测量工具，评级工作由三名编辑决定。

欧洲新闻中心出版的《验证手册》介绍了BBC、Storyful、ABC等国际知名媒体记者在事实验证过程中的经验和可用工具。例如，Reaval开发的照片验证助手可以使用各种图像篡改检测算法对图片进行分析，并提供包括元数据分析、GPS地理定位、EXIF缩略图提取和用Google进行反向图像搜索等功能。在手册中，许多专业检查人员分享了他们工作中使用的工具，如图像分析工具、数字足迹和时间印记回溯工具。

1.3校准和分配

基于不同的理念，不同的平台采用了不同的结果分配方法。主要提供工具和服务的机构往往选择对核查内容的真实性进行评级或标记，有些平台通过出具核查报告来公布结果。

PolitiFact在网站上公布评分结果，允许网友提交异议，工作人员会参考；Storyful，被称为社交媒体新闻机构，与新闻媒体合作，提供经过验证和版权保护的社交媒体内容；ClaimBuster有端到端验证，验证结果即时呈现在网页上；FullFact开发个性化验证工具，通过人工智能验证直接与用户对话。

自动事实检查的另一个想法是非结构化处理，即提供多个信息或警告标签，这是社交媒体平台和搜索引擎目前采用的方式。比如Facebook开发了“相关文章”功能，对可能出现的极端言论提供多种甚至相反观点的文章推荐；添加小信息按钮，呈现源站点的维基百科页面等。由杜克新闻实验室(Duke News Lab)和谷歌母公司Alphabet联合开发的共享内容组件(Sharecontent components)与权威媒体和验证机构合作，对经过验证的内容进行标记，并在谷歌搜索结果中显示出来。

2.欧美新闻事实核查的特点及局限性

2.1随着快速发展，验证自动化面临多重障碍

事实验证机构主要有两种商业模式：新闻工作室和NGO。近年来，事实核查机构的数量一直在增加。根据杜克记者实验室的统计，从2014年到2018年1月，全球的事实核查机构从44家增加到149家，其中41家已经运营5年以上，占总数的29%。

然而，自动事实检查仍然面临许多挑战。一方面，自动事实核查技术能够理解复杂的文本，尤其是在上下文分析的情况下，不能满足专业事实核查人员的能力和灵敏度；另一方面，算法的固定程序难以完善，达不到预期效果。当查看BuzzFeed报告时，NewsCracker将客观报告识别为有偏见。因为文中引用的用户推文被检测为“很多说法无法查证”，对整个网站的可信度有影响。

另外，很多机构试图实时为直播新闻生成评分，发现机器很难识别出对应的字符；非英语国家的专业政治术语，机器无法准确翻译；而且一些官方数据库的访问权限很难获得。

事实上，欧洲对新闻事实的核实仍然依赖于人工监督和参与。Storyful开发的社交媒体信息监控工具News，在监控抓取社交媒体UGC后仍然需要人工团队判断是否有新闻价值，经常需要人工联系来源进行验证。一些图像分析工具无法准确获取拍摄时间和位置等重要数字信息。有些地理位置的判断还需要检查人员的目视比对，甚至有些网站还要检查，这就要靠用户的参与来提供更多的信息资源。

2.2平台合作，重点是信息整合

杜克记者实验室的联合主任比拉德亚尔指出，“自动化验证更多地取决于人们的合作，而不是技术的复杂性”。

在互联网时代，通过事实核查打击假新闻是一项持续的系统工程。从目前的实践来看，验证机构往往需要结合新闻媒体、社会平台等学科来完成多方位的验证步骤。自动化事实核查和人工核查最大的区别在于，人可以从现实社会中挖掘事实，机器核查只能基于真实信息的数据库。一方面对采集信息的算法提出了更高的要求，另一方面也凸显了获取信息访问渠道即合作的重要性。

目前，世界范围内的验证组织开始尝试建立通用标准。2016年9月，新闻研究机构Poynter推出国际事实验证网络。来自27个国家的35个组织和人员参与签署了包括非营利组织在内的五项国际标准，并联合了包括Factcheck.org、FullFact、PolitiFact和Snopes在内的核查机构，以及来自《华盛顿邮报》和《法新社》等新闻媒体的专业检查员。

2.3资金不足，难以维持

据路透社的研究报告显示，目前大部分非营利的事实核查机构都隶属于新闻媒体或非政府组织。资金来源主要有两种，一种是吸收各种来源的资金，另一种是单纯依靠媒体或慈善机构的支持。例如，杜克新闻实验室的技术与检查项目从骑士基金会、脸书新闻项目和克雷格纽马克基金会共获得120万美元。虽然一些事实核查组织已经创造了相对低成本和独立的自动售检票工具，但开发和推广大规模自动售检票系统仍需要基金会、学校和平台公司的持续支持。2016年，据报道，一名核实目击媒体内容的人因失去母公司的财政支持而停止更新。

值得注意的是，在行业内建立了成功商业模式的验证机构Storyful，不仅开发社交媒体资源，还尝试在UGC中寻找可以用于商业推广的内容。

3.对自动化事实验证发展的思考

3.1网络迎合人性，产生假新闻，需要建立数字化规范

“真相还在穿鞋的时候，谣言已经走遍半个世界”。后真实时代，个人情绪被放大，越是迎合人们心理需求的内容，越能获得点击浏览。2018年3月，《科学》杂志发表了一篇假新闻研究，分析了12年来推特上12.6万条新闻的传播情况，发现假新闻比真实新闻跑得更快、更深、更广。而人们转发的假新闻有一个明显的特点：新奇。

20世纪80年代，由于各行各业的抵制，黄色新闻的热潮消退了，人们对新鲜信息的渴望需要受到合理规范的约束。在西方，传播虚假信息，特别是政治内容，被认为是一个严重的问题。Facebook假新闻对美国大选的影响使得欧美各国政府采取积极措施应对假新闻。2018年1月1日，《社交媒体管理法》在德国实施。该法案对在德国提供内容服务的社交网络平台，提出了更严格的监管要求，比如Facebook和Twitter。该法的主要功能之一是打击互联网上的虚假新闻。欧盟推出的一般数据保护规定也将于2018年5月25日生效。近年来，美国社会越来越多地呼吁通过立法来规范政治宣传中的误导信息，控制虚假新闻。

3.2利用区块链建立网络信用体系

确定源信息是目前自动事实核查的难点之一。由于网络内容的可复制性，被篡改的消息、图片、视频不断被重新传播，很多图片、视频被处理甚至被扭曲后再上传，让受众产生困惑。一些研究人员提出，区块链技术可以从信息传播的角度解决假新闻问题。区块链技术可以为内容生成数字证书，是永久不变的。将内容与个人捆绑在一起，这样就可以检查所有的内容，从而解决了信息难以追踪的问题。另一方面，就像社会信用体系会对个人行为产生无形的约束一样，如果将原始信息视为个人资产，用户需要对发布的信息负责，对抑制假新闻的传播会有一定的作用。事实上，利用区块链处理假新闻的想法已经得到初步实践。例如，2018年初，由张杰平和段传媒总编辑共同创立的Matters试图利用的数字现金激励机制、内容的“上行”和权力下放来重塑公众讨论。目前，平台正处于内部测试阶段。

3.3定义“真理”的悖论和自动化的局限性

自动化事实验证选择事实性陈述进行验证，似乎摆脱了主观立场的干扰，但即使事实性陈述也不能用二元论思维来判断为“真”或“假”。在验证事实陈述时，文本措辞的模糊性和事实的动态呈现会对“真实性”产生影响，简单的标注可能导致思维更简单。“事实不再是世界本身的呈现，而是世界共识的表达。”有人认为，后真理时代，事实验证的新闻面临着从“验证客观事实”到“帮助理解现实”的转变。因此，很多验证机构试图提供非结构化数据，帮助用户多角度思考，但实际效果并不明显。

神经学研究发现，人类对情况的估计和快速判断的能力来源于隐性知识。但这些知识往往来源于人类意识无法控制的神经活动，无法分解成可以准确描述的书面指令。哈佛大学学者尼古拉斯卡尔在他的书《玻璃笼子：自动化时代和我们的未来》中指出，过度依赖自动化会降低个人技能。在自动化系统的运行过程中，信息负载不足会导致倦怠，导致工作环境存在风险，最终增加工作量。这在书中被称为“自动化悖论”，是自动化高度发展带来的问题。目前，就事实验证技术的发展现状而言，其自动化还没有发展到这种程度。

文章来源：《中国传媒科技》第6期，2018

标签： #新闻事实核查网站