pl Aa

Pracownia Badań nad Cyfrową Dezinformacją

Dezinformacja cyfrowa stanowi współcześnie jedno z najbardziej niebezpiecznych i zarazem skutecznych narzędzi wpływu społecznego, przy pomocy którego można oddziaływać na politykę i nastroje społeczne, destabilizować wewnętrzne bezpieczeństwo krajów, polaryzować społeczeństwo, wywoływać panikę czy podważać zaufanie do demokratycznych rządów i instytucji.
Celem Pracowni jest analiza różnych uwarunkowań, które sprzyjają tworzeniu oraz rozprzestrzenianiu (się) cyfrowej dezinformacji w różnych mediach i środowiskach cyfrowych: mediach społecznościowych, Virtual Reality, portalach internetowych itp. Badania prowadzone przez członków i współpracowników Pracowni prowadzone są w trzech obszarach dotyczących zarówno wykrywania cyfrowej dezinformacji, jak i zapobiegania jej oraz zwalczania:

Członkowie:
dr hab. Grzegorz Ptaszek, prof. AGH – kierownik Pracowni
prof. Bohdan Yuskiv (Rówieński Państwowy Uniwersytet Humanistyczny w Równem)
dr Rafał Olszowski
dr Kinga Sekerdej
Kamil Jaszczyński (Szkoła Doktorska AGH)
Grzegorz Świerk (Szkoła Doktorska AGH)

Publikacje członków Pracowni:

  1. Ptaszek, G., Yuskiv, B., Khomych, S. (2023). War on Frames: Text Mining of Conflict in Russian and Ukrainian News Agency Coverage on Telegram During the Russian Invasion of Ukraine in 2022. Media, War, & Conflict, https://doi.org/10.1177/17506352231166327
  2. Ptaszek, G. (2019). Edukacja medialna 3.0. Krytyczne rozumienie mediów cyfrowych w dobie Big Data i algorytmizacji, Kraków: Wydawnictwo Uniwersytetu Jagiellońskiego.
  3. Ptaszek, G. (2021) Media education 3.0? How Big Data, algorithms, and AI redefine media education, [w:] The Handbook on Media Education Research, red. Divina Frau Meigs, Sirkku Kotilainen, Manisha Pathak-Shelat, Michael Hoechsmann, Stuart R. Poyntz, New York: Wiley-Blackwell (seria: International Academic Media Studies and Communication Global Handbooks in Media and Communication Research).
  4. Ptaszek, G. (2019). From algorithmic surveillance to algorithmic awareness. Media education in the context of new economics of media and invisible technologies, [w:] Media education as a challenge, eds. J. Ratajski, Warszawa: Wydawnictwo ASP w Warszawie. Dostępny: https://www.unesco.pl/sourcesmedia/mediaedaschallenge.pdf
  5. Yuskiv B., Karpchuk N., Khomych S. Media reports as a tool of hybrid and information warfare (the case of RT – Russia Today). Codrul Cosminului, XXVII, 2021, No. 1, P. 235-258. http://codrulcosminului.usv.ro/CC27/1/12.html
  6. Karpchuk N., Yuskiv B. (2021). Dominating Concepts of Russian Federation Propaganda Against Ukraine (Content and Collocation Analyses of Russia Today). Politologija, 102(2), P.116-152. https://doi.org/10.15388/Polit.2021.102.4
  7. Yuskiv B., Karpchuk N., Pelekh O. (2022). The Structure of Wartime Strategic Communications: Case Study of the Telegram Channel Insider Ukraine. Politologija. 3, vol. 107, P. 90-119, https://doi.org/10.15388/Polit.2022.107.3
  8. Olszowski R, Zabdyr-Jamróz M, Baran S, Pięta P, Ahmed W. (2022). A Social Network Analysis of Tweets Related to Mandatory COVID-19 Vaccination in Poland. Vaccines. 10(5):750. https://doi.org/10.3390/vaccines10050750
  9. Olszowski R. (2021). Combating fake news with the use of Collective Intelligence in hybrid systems. W: Proceedings of the 37th International Business Information Management Association Conference (IBIMA): 30-31 May 2021, Cordoba, Spain : Innovation Management and Information Technology Impact on Global Economy in the Era of Pandemic / red. Khalid S. Soliman.

Aktualne projekty:
2023 – Dezinformacja w internecie jako narzędzie zabezpieczania interesów Federacji Rosyjskiej w strefach wpływu. Analiza fake news z bazy EuvsDisinfo (Grzegorz Ptaszek, Bohdan Yuskiv)

Celem projektu jest zbadanie, w jaki sposób Rosja wykorzystuje dezinformację w internecie w celu wpływania na politykę państw znajdujących się w określonej strefie wpływów rosyjskich za pomocą fake newsów w mediach globalnych. Materiał analityczny stanowi otwarta baza fake newsów zgormadzonych w ramach projektu EuvsDisinfo (https://euvsdisinfo.eu/pl/baza-dezinformacji/). Zawiera ona zidentyfikowane jako fake newsy wiadomości znalezione w międzynarodowej przestrzeni informacyjnej od 2015 r., które uznano za przedstawiające stronniczy, wypaczony lub fałszywy obraz rzeczywistości oraz za służące rozpowszechnianiu istotnego prokremlowskiego przekazu (niekoniecznie jednak powiązane z Kremlem lub reprezentujące prokremlowskie poglądy). Analizę podzielono na dwa podokresy: przed rozpoczęciem II etapu wojny rosyjsko-ukraińskiej (do 2022.02.24) i po rozpoczęciu (od 2022.02.24). W badaniu zastosowano zaawansowane komputerowe metody analizy danych.

2022 – 2026 Model detekcji Fake News w Internecie w oparciu o NLP, wykorzystujący algorytmy AI w ujęciu ANT i mikro-aktorów (Grzegorz Świerk)

Celem naukowym doktoratu jest opracowanie innowacyjnego modelu rozpoznawania Fake News w internecie w oparciu o naturalne przetwarzanie języka (NLP) wykorzystującego algorytmy AI z uwzględnieniem założeń teoretycznych Teorii Aktora – Sieci o sprawczości czynników ludzkich w kontekście mikro aktorów. Praca skupia na optymalizacji skuteczności wykrywania fake news. Obszar badawczy łączy komputacyjne nauki społeczne z algorytmami uczenia maszynowego AI w oparciu o NLP. W ramach pracy badawczej zostaną przeanalizowane wzorce zachowań mikro-aktorów w kontekście poprawy skuteczności wykrywania FN. Pytaniem badawczym będzie to, czy istnieją wzorce zachowań mikro-aktorów, których zidentyfikowanie przyczyni się do poprawy skuteczności algorytmów opartych o AI służących do wykrywania określonych typów FN.

2022 -2026 Model detekcji Fake News w internecie w oparciu o analizę propagacji treści i wiarygodność źródeł informacji, wykorzystujący algorytmy AI w ujęciu ANT i makro-aktorów (Kamil Jaszczyński)

Głównym celem naukowym doktoratu jest opracowanie zaawansowanego modelu detekcji Fake News (FN) w oparciu o model propagacji (rozprzestrzeniania treści) i wiarygodność źródła informacji z wykorzystaniem założeń Teorii Aktora Sieci. Model będzie oparty o algorytmy AI z uwzględnieniem założeń teoretycznych ANT o sprawczości czynników pozaludzkich w kontekście makro-aktorów. Prace będą ukierunkowane na optymalizację skuteczności wykrywania FN. Obszar badawczy będzie łączył komputacyjne nauki społeczne z algorytmami uczenia maszynowego AI wykorzystującymi analizę propagacji oraz analizę wiarygodności autora. Zostaną przebadane wzorce zachowań makro-aktorów w kontekście optymalizacji wykrywania FN. Pytanie badawcze: a) jakie istnieją wzorce rozprzestrzeniania się FN oraz wzorce niewiarygodnych autorów w sieci ujęciu teorii ANT; b) w jakim zakresie zidentyfikowane wzorce można wykorzystać do stworzenia efektywnego systemu wykrywania FN w oparciu o model propagacji oraz wiarygodność źródła.