Att identifiera en falsk bild på nätet är svårare än du kanske tror
Om du vet hur fotoredigering fungerar kan du få ett ben för att upptäcka förfalskningar. Gorodenkoff / Shutterstock.com

Det kan vara svårt att berätta om en bild är riktig. Tänk på, som deltagarna i vår senaste forskning gjorde, dessa två bilder och se om du inte tror att någon av dem båda har blivit doktrerade.

Bild A: Är det riktigt? Mona Kasra, CC BY-ND

Bild B: Vad sägs om den här? Mona Kasra, CC BY-ND

 

Du kan ha baserat din bedömning av bilderna på den visuella informationen ensam, eller kanske med i utvärderingen av hur ansedd källan är, eller hur många personer som tyckte om och delade bilderna.

Mina medarbetare och I nyligen studerat hur människor utvärderar trovärdigheten av bilder som följer med onlineberättelser och vilka element som ingår i den utvärderingen. Vi fann att du är mycket mindre benägen att falla för falska bilder om du är mer erfaren med internet, digitalt fotografi och online media-plattformar - om du har vilka forskare kallar "digital media literacy."


innerself prenumerera grafik


Vem dämpas av förfalskningar?

Var du duped? Båda bilderna är falska.

Vi ville ta reda på det hur mycket var och en av flera faktorer bidrog till exaktheten av människors bedömning om online-bilder. Vi antog att trovärdigheten hos den ursprungliga källan kan vara ett element, liksom trovärdigheten hos någon sekundär källa, som människor som delade eller reposterade det. Vi förväntade oss också att tittarens befintliga attityd om den avbildade frågan skulle kunna påverka dem: Om de inte var överens om något som bilden visade skulle de troligen troligen kunna anse det falska och omvänt troligare tro om de kom överens med vad de såg.

Dessutom ville vi se hur mycket det spelade roll om en person var bekant med de verktyg och tekniker som tillåter människor att manipulera bilder och generera falska. Dessa metoder har avancerade mycket snabbare under senare år än teknik som kan upptäcka digital manipulation.

Tills detektiverna hämtar sig, riskerna och farorna förblir höga av missgynnade människor som använder falska bilder för att påverka den allmänna opinionen eller orsaka känslomässig nöd. Bara förra månaden, under urvalet efter valet i Indonesien, en man medvetet sprider en falsk bild på sociala medier för att inflame anti-kinesiska känslor bland allmänheten.

Vår forskning syftade till att få insikt om hur människor fattar beslut om äktheten hos dessa bilder på nätet.

Testa falska bilder

För vår studie skapade vi sex falska foton på en mängd olika ämnen, inklusive inhemsk och internationell politik, vetenskaplig upptäckt, naturkatastrof och sociala frågor. Sedan skapade vi 28 mock-up kompositioner av hur var och en av dessa bilder kan visas online, som delas på Facebook eller publiceras på The New York Times webbplats.

Varje mock-up presenterade en falsk bild åtföljd av en kortfattad textbeskrivning om innehållet och några kontextuella ledtrådar och funktioner som den speciella platsen som det angivligen framkom, information om vad dess källa var och huruvida någon hade omfördelat den - liksom hur många gillar eller andra interaktioner hade hänt.

Alla bilder och medföljande text och information var tillverkningar - inklusive de två överst i denna artikel.

Vi använde bara falska bilder för att undvika att eventuella deltagare kan ha stött på originalbilden innan de gick med i vår studie. Vår forskning undersökte inte ett relaterat problem som kallas missfördelning, där en riktig bild presenteras i en orelaterat sammanhang eller med falsk information.

Vi rekryterade 3,476 deltagare från Amazon Mekanisk Turk, varav alla var minst 18 och bodde i USA

Varje forskningsdeltagare svarade först en slumpmässigt beställd uppsättning frågor angående deras internetkunskaper, digital bildbehandling och attityd gentemot olika sociopolitiska frågor. De presenterades sedan med en slumpmässigt vald bildmock-up på skrivbordet och instruerade att titta på bilden noggrant och värdera sin trovärdighet.

Kontext hjälpte inte

Vi fann att deltagarnas bedömningar av hur trovärdiga bilderna var var inte olika med de olika sammanhang som vi sätter in. När vi satt bilden som visar en kollapsad bro i ett Facebook-inlägg som endast fyra personer hade delat, dömde människor det som sannolikt att vara falsk som när det visade sig att bilden var en del av en artikel på The New York Times webbplats.

Istället var de viktigaste faktorerna som bestämde huruvida en person kunde korrekt uppfatta varje bild som en falsk var deras nivå av erfarenhet av internet och digital fotografering. Människor som hade mycket kännedom om sociala medier och digitala bildhanteringsverktyg var mer skeptiska till bildernas äkthet och mindre benägna att acceptera dem till nominellt värde.

Vi fick också reda på att människors befintliga övertygelser och åsikter starkt påverkat hur de bedömde bildernas trovärdighet. Till exempel, när en person var oense med förutsättningen för det foto som presenterades för dem, var de mer troliga att tro att det var en falsk. Detta resultat är förenligt med studier som visar vad som kallas "konfirmeringsbias, "Eller tendensen för att människor ska tro på en bit ny information är verkliga eller sanna om det matchar upp med vad de redan tror.

Bekräftelseförspänning kan hjälpa till att förklara varför falsk information sprider sig så enkelt online - när människor stöter på något som bekräftar sina åsikter, delar de lättare informationen i deras samhällen online.

Annan forskning har visat det manipulerade bilder kan snedvrida tittarnas minne och även påverka deras beslutsfattande. Så den skada som kan göras med falska bilder är verklig och signifikant. Våra resultat tyder på att för att minska potentiell skada av falska bilder, den mest effektiva strategin är att erbjuda fler människor erfarenheter av online media och digital bildredigering - inklusive genom att investera i utbildning. Då kommer de att veta mer om hur man utvärderar onlinebilder och är mindre benägna att falla för en falsk.Avlyssningen

Om författaren

Mona Kasra, Biträdande professor i Digital Media Design, University of Virginia

Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.