在线识别假图片比你想象的要难
如果你知道照片编辑是如何工作的,那么你可能会有机会发现假货。 Gorodenkoff / Shutterstock.com

很难判断图片是否真实。 正如我们最近研究的参与者所做的那样,考虑这两个图像,看看你是否认为它们中的任何一个或两个都没有被篡改过。

图A:真的吗? 莫娜卡斯拉, CC BY-ND

图B:这个怎么样? 莫娜卡斯拉, CC BY-ND

 

您可能仅根据视觉信息对图像进行评估,或者可能在评估信息源的信誉,或喜欢和共享图像的人数时考虑因素。

我的合作者和 I 最近研究过 人们如何评价可信度 与在线故事相关的图像以及该评估中的元素。 我们发现,如果你对互联网,数码摄影和在线媒体平台有更多的经验,你就不太可能堕落假图像 - 如果你有 学者称之为“数字媒体素养”。


内在自我订阅图形


谁被假货骗了?

你被欺骗了吗? 这两张图片都是假的。

我们想知道 几个因素中的每一个贡献了多少 人们对在线图像判断的准确性。 我们假设原始来源的可信度可能是一个要素,任何二级来源的可信度都可能,例如共享或转发它的人。 我们还预计观众对所描述问题的现有态度可能会影响他们:如果他们不同意图像显示的内容,他们可能更有可能认为它是假的,相反,如果他们同意,他们更有可能相信它。他们看到了什么。

此外,我们想知道一个人是否熟悉允许人们操纵图像并生成假图像的工具和技术,这一点至关重要。 那些方法有 进步得更快 近年来,技术可以检测数字操作。

直到 侦探赶上来,使用虚假形象影响公众舆论或引起情绪困扰的恶意用户的风险和危险仍然很高。 就在上个月,在印度尼西亚的选举后骚乱中, 一个男人故意散布假像 在社交媒体上激起公众反华情绪。

我们的研究旨在深入了解人们如何在线决定这些图像的真实性。

测试假图像

在我们的研究中,我们为各种主题创作了六张假照片,包括国内和国际政治,科学发现,自然灾害和社会问题。 然后,我们创建了28模型组合,了解每张照片如何在线显示,例如在Facebook上分享或在纽约时报网站上发布。

每个模型都呈现了一个虚假的图像,并附有关于其内容的简短文字描述,以及一些上下文提示和特征,例如据称出现的特定地点,有关其来源的信息以及是否有人转发过它 - 以及如何许多喜欢或其他互动已经发生。

所有图像和随附的文本和信息都是捏造 - 包括本文顶部的两个。

我们仅使用假图像来避免任何参与者在加入我们的研究之前可能遇到原始图像的可能性。 我们的研究没有研究一个被称为错误归因的相关问题,其中一个真实的图像呈现在一个 不相关的背景或虚假信息.

我们从中招募了3,476参与者 亚马逊Mechanical Turk,他们都至少是18并且住在美国

每个研究参与者首先回答了一组随机排列的关于他们的互联网技能,数字成像经验和对各种社会政治问题态度的问题。 然后,他们在桌面上随机选择图像模型,并指示仔细查看图像并评估其可信度。

上下文没有帮助

我们发现,参与者对图像可信度的判断并没有因我们提出的不同背景而有所不同。当我们把图片显示在Facebook帖子中只有四个人共享的折叠桥时,人们认为它就像可能是虚假的,因为它似乎是纽约时报网站上的一篇文章的一部分。

相反,决定一个人是否能够正确地将每个图像视为假的主要因素是他们对互联网和数字摄影的经验水平。 对社交媒体和数字成像工具有很多熟悉度的人对图像的真实性更加怀疑,并且不太可能以面值接受它们。

我们还发现,人们现有的信念和观点极大地影响了他们判断图像可信度的方式。 例如,当一个人不同意提交给他们的照片的前提时,他们更可能认为这是假的。 这一发现与显示所谓“确认偏误,“或者人们相信一条新信息的倾向是真实的还是真实的 如果它匹配 用他们已经想到的。

确认偏见可以帮助解释为什么虚假信息在网上如此容易传播 - 当人们遇到肯定他们观点的东西时,他们更容易在网上在他们的社区中分享这些信息。

其他研究表明 操纵的图像会扭曲观众的记忆 乃至 影响他们的决策。 因此,虚假图像可以造成的伤害是真实而重要的。 我们的研究结果表明要减少 假图像的潜在危害,最有效的策略是提供更多人在线媒体和数字图像编辑的体验 - 包括投资教育。 然后他们会更多地了解如何评估在线图像,并且不太可能堕落。谈话

关于作者

莫娜卡斯拉,数字媒体设计助理教授, 美国弗吉尼亚大学

本文重新发表 谈话 根据知识共享许可。 阅读 原创文章.