外刊速递 | 事实核查的过载困境与技术革新——《经济学家》|纳斯|经济学家|追踪

面对虚假信息海啸与核查资源缩减的困境，试图“彻底净化”网络已不现实。近日，《经济学家》刊文提出从“全面撒网”转向“精准分级”。其核心在于建立新型筛选系统，通过优先锁定最具危害的信息，推动事实核查走向数据驱动与理性坚守并重的系统化革新。

原文：《 <经济学家> ：事实核查的过载困境与技术革新》

编译 |薛梓涵杨勇

图片 |网络

纠正高速传播于网络的海量数字垃圾信息，是一项永无止境的任务。去年，YouTube因传播虚假信息而下架了超过50万个违规频道，但这不过是冰山一角。疫情期间，Facebook和Instagram平台累计删除了2700万条关于新冠的虚假内容。当虚假信息以每分钟数百条的速度在社交平台病毒式扩散，那些致力于维护互联网诚信的事实核查机构，正面临远超其处理能力的信息海啸。他们该如何确定核查的优先级？

随着事实核查资源的日益稀缺，这一问题变得愈发紧迫。Meta公司曾为其旗下社交网络搭建了可能是全球最大的事实核查网络，但在今年1月宣布战略转向，开始用志愿者取代专职核查人员，这一举措直接动摇了平台信息审核的专业根基。美国政府则正在解散美国国际开发署（USAID），该机构此前一直为事实核查组织提供资金支持。同时，技术迭代加剧了核查难度，当AI换脸技术将伪造视频的成本大幅降低，虚假信息的生产效率呈指数级增长。

因此，面对资源与技术的双重挑战，核查员们提出了一种新方法：通过预判哪些言论最危险，从而确定亟待审查的对象。英国威斯敏斯特大学的研究人员与来自FullFact、非洲核查组织（Africa Check）以及法新社（AFP）的事实核查人员合作，共同开发了一套动态分级筛选系统，用以区分“武器级”虚假信息与日常的无稽之谈。

该系统以双维度评估模型为核心，模拟信息的社会破坏力阈值。判断虚假言论的一个标准是：是否有足够多的受众相信该言论并造成实际危害。例如，要用虚假信息左右选举，你需要说服众多选民；而用假药害人可能只需要骗到一个人。另一个标准是：相信虚假言论的人是否有能力据此采取行动。研究人员估计，在其样本的虚假言论中，有57%都不太可能导致任何具体的现实后果，这类信息虽易引发传播，但实际危害有限。

对剩余可能造成实际危害的虚假信息，核查员会考量其危害性质，将其分为“直接危害型”与“累积危害型”。直接危害型如劝说民众拒绝接种疫苗，会立即对公共卫生产生冲击；累积危害型则如助长关于移民的虚假叙事，通过持续传播形成认知偏见，最终影响政策走向。这两类虚假言论占比大致相当。该系统的突破性在于引入大数据追踪机制。英国威斯敏斯特大学的彼得·坎利夫-琼斯（Peter Cunliffe-Jones）发现，“累积危害型”更难量化评估，但大型数据集可以追踪某类虚假言论在短时间内的复现频率，从而判断其是否正在形成固化的虚假叙事。这种量化模型让“累积危害”从模糊判断变为可监测指标，为谣言高发地区建立了早期预警机制，使核查员能更精准地定位潜在风险。

这种分级筛选系统或能帮助超负荷工作的事实核查员聚焦最危险的虚假信息，但危害性并非唯一考量。法新社的卡尔·马拉库纳斯（Karl Malakunas）表示，在信息技术泛滥的当下，纠正此类病毒式传播的虚假信息，对提升公众的数字文化素养至关重要。

虚假信息的前置筛选环节显然大幅提升了核查效率：分拣一则声明仅需5分钟，而传统的全面彻底核查往往需要5到6小时。区块链技术的应用更实现了跨平台存证，当某条谣言在一个平台上被标记为假，其数字指纹会同步至其他平台的审核系统，有效拦截重复传播。

事实核查领域亟需建立更系统化的工作方法，面对技术发展带来的“叙事级伪造”挑战，全球核查领域正走向数据驱动的系统化革新。正如业内专家坎利夫-琼斯表示，“若该领域能从Meta身上学到什么……那便是数据驱动才是未来方向”。数据不仅是提升效率的工具，更是核查行业的生存基础。但技术之外，人类对事实的坚守是最终防线——当数字时代的信息迷雾愈发浓重，核查员们守护的不仅是事实真相，更是公众对理性的信仰。

文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第1981期第7版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。

本期责编：程鑫云