利益:
- 主張を独立して検証可能な要素に分割し、それぞれの一次情報源を特定してクロスチェックする能力
- 人工知能サポートによるビジュアル検索および逆画像検索、メタデータ、内部一貫性テストのチェックリストを作成および適用する機能
- 人工知能は正確さで判断できないこと、証拠は一次情報源から得られるものであること、確認プロセスは透過的に記述される必要があることを理解する。
ジャーナリズムでは、どんな文章も「真実であることが示される」まで真実とは言えません。ファクトチェック（主張、画像、数値、または文書の真実性を独立した証拠でテストする行為）は、この職業の根幹です。ソーシャルメディアによって加速される情報の流れの中にいる記者。彼は数分以内に、写真が主張された場所で実際に撮影されたものであるかどうか、アカウントが本物かどうか、そして番号の出所をテストしなければなりません。人工知能 (AI) は、このプロセスにおける組織化とアイデア創出のツールです。人工知能 (AI) は、検証手順を列挙し、クレームを構成要素に分解し、質問すべき質問を推測し、チェックする必要があるテキスト内のすべてのクレームをリストします。しかし、ここでは最も重要な警告がさらに厳しくなります。AI はファクトチェックのソースではありません。 AI に「質問」しても、その主張が真実かどうかを知ることはできません。 AI がプロセスを合理化し、ジャーナリストは一次情報源から証拠を見つけます。 AIに「これは本当ですか？」と尋ねてください。尋ねることは幻覚を招くことです。
ステップバイステップ: 申し立ての確認
ステップ 1 — クレームをそのコンポーネントに分割します。 「あの機関は昨年500人を解雇した」という文は、実際には、どの機関、どの年、何人、情報源は何かという複数の主張から成ります。 AI はこの解析を迅速に実行します。各コンポーネントは個別に検証されます。
ステップ 2 — 主要な情報源を特定します。各コンポーネントについて、「最も信頼できる証拠はどこですか?」質問する：公式記録、原本、直接の証人、監査報告書。 AI はどこを見るべきかを提案できます。しかし、証拠を見つけて公開します。
ステップ 3 — 画像と位置をテストします。写真/ビデオの場合: 最初に公開された日付、撮影場所、天候と日陰の一貫性、背景の標識。逆画像検索 (画像がインターネット上で以前に表示された場所を見つける方法) では、古い画像が新しい画像として表示されているかどうかがわかります。 AI はこれらのチェックをリストします。観察と検索が決定を下します。
ステップ 4 — リソースの ID と履歴を確認します。開設日、過去の投稿、ソーシャルメディアアカウントの一貫性。 AI は私たちに何を探すべきかを思い出させます。検証はあなたが行います。
ステップ 5 — 相互確認。この重要な主張は、少なくとも 2 つの独立した情報源によって検証されています。相互にコピーする 2 つのサイトは「2 つのソース」ではありません。独立性は不可欠です。
ステップ 6 — 結果を評価し、透過的に書き込みます。 「真実」、「誤解を招く」、「部分的に真実」、「証拠が不十分」など、明確な判決とそれにつながる証拠を提供します。読者はあなたがそれをどのように検証するかを理解する必要があります。
注意: AI に「この主張は真実ですか?」と尋ねてください。 「」と尋ねることは、最も危険な確認ミスです。AI は、説得力のある「はい/いいえ」、あるいはでっちあげの「ソース」を生成することもあります。 AI をプロセス オーケストレーターとして使用します。一次証拠によって真実の判定が下されます。
AI によって生成されたコンテンツと利点
AI も検証の対象となり、文字、音声、画像を人工的に生成できるようになりました (次の単元の主題)。そこでファクトチェッカーは「このコンテンツは AI 製品である可能性がありますか?」と尋ねます。彼は自分のプロセスに質問を追加します。 AI 検出ツールは指針を提供しますが、決定的な証拠ではありません。実際の検証は、やはりソース、メタデータ、コンテキストに帰着します。
ミニケース3個
ケース 1 — 古いイメージ、新しい主張。記者は「今日あの街で撮られた」という火災の写真を受け取った。彼は AI に検証手順を作成させました。最初の項目は「逆画像検索」。検索の結果、同じ写真が3年前に別の国で公開されていたことが判明した。ビジュアルは放送されませんでした。記者はこれを事実確認に変えた。
ケース 2 — クレームの解析速度。ある選挙シーズン中、記者は 1 分間の会話で 12 件の数字上の主張を事実確認しなければなりませんでした。 YZは会話を12の個別の主張に分割し、それぞれについて「どの公式情報源を探すべきか」のリストを作成した。記者は12の情報源を訪ねた。 4は、その主張が誤解を招くものであることを独立した証拠で証明した。手動で解析を行う代わりに AI に解析を行わせることで約 1 時間を節約できましたが、記者はすべての証拠を公開しました。
ケース 3 — 捏造されたソース。主張を検証するために、インターンは AI に「これは本当ですか、出典は何ですか?」と直接質問します。彼は尋ねた。 AIは「はい」と答えて、レポート名とリンクを提供しました。編集者はリンクを開いたが、そのようなレポートは存在しなかった。これは、「AI に精度を求めない」というルールが絶対的な理由をチームに示すトレーニング ケースとなりました。
コピー可能なテンプレート
1) クレームを構成要素に分割する:
次の文を確認させていただきます。それを独立して検証可能な主張に分割します。それぞれの主張について: (1) どのような情報が検証されるのか、(2) どのタイプの一次情報源が最も信頼できるのか、(3) どの時点で誤解を招くのか。自分で TRUE/FALSE を言わないでください。文: [ここ]
2) 視覚/ビデオ検証チェックリスト:
写真は「これこれの日に、これこれの場所で撮影した」と主張します。この主張をテストするために必要な検証手順を列挙します。画像の逆検索、場所の手がかり (標識、言語、建築)、影と空気の一貫性、最初の出版日です。各ステップの実行方法を書きます。私が知っていることをイメージしてください: [レシピ]
3) 本文からすべての主張を削除します。
以下の本文で裏付け（数値、日付、帰属、引用、比較）が必要なすべての事実上の主張を列挙してください。それぞれに対して「どの独立した情報源を検証すべきか」を提案します。解釈と事実は分けてください。テキストを変更します。テキスト: [ここ]
4) 独立性テスト:
次の主張に関する情報源が 3 つ見つかりました: [情報源の要約]。これらが本当に独立しているか、重複しているか、単一のオリジナル ソースに基づいているかを評価するには、どのような質問をすればよいですか?断固とした意思決定。コントロールの質問が表示されます。
弱いプロンプト / 強いプロンプト
弱いプロンプト: 「この主張は真実ですか? 出典を教えてください。」
結果: AI は説得力のある評決を生成しますが、多くの場合、捏造された情報源が生成されます。ジャーナリストは誤った自信に陥る。
強力なプロンプト: 「この主張を独立して検証可能なコンポーネントに分割してください。コンポーネントごとに、どの PRIMARY ソース タイプを探す必要があるか、また誤解を招く可能性がある場合はどの時点でそうなるかを書き留めてください。あなたは主張を判断しないでください。私がソースから検証します。」
違い: 強力なプロンプトは、AI をプロセス編集者に還元し、捏造された「情報源/判断」を生成するのを防ぎ、証拠の責任をジャーナリストに負わせます。
比較表
請求の種類
AIの貢献
一次証拠
トラップ
数値データ
解析し、ソースを推奨します
公式記録・報告書
AI を構成する割合
引用/出典
コンポーネントに分割します
オリジナルの記録/文書
文脈から切り離された
画像・動画
チェックリスト
逆引き検索、メタデータ
古いビジュアルと新しい主張
ソーシャルメディアアカウント
探すべきものをリストします
アカウント履歴、一貫性
模倣/ボットアカウント
文書
疑わしい箇所にマークを付ける
ソース、メタデータ、署名
偽/架空の文書
よくある間違い
- AIに精度を問う。 「これは本当ですか？」この質問は捏造された判断や情報源を生み出します。 AIは証拠を提供しません。
- コピーリソースは「2リソース」としてカウントされます。相互に転送するサイトは独立していません。それは相互確認の原則に違反します。
- 画像を逆方向に検索しないでください。古いイメージを新しいものとして提示することは、最も一般的な偽情報です。
- コンテキストを省略します。間違った文脈で正確な引用を提供して誤解を招くことも事実確認エラーです。
- 透明ではないこと。どのように確認されたのかを読者に示さない確認は信頼を呼び起こしません。
評価と確認の透明性のある文言
多くの場合、確認は「真」と「偽」の間の灰色の領域で行われます。優れたファクトチェッカーは、この灰色を明確なカテゴリに変換します。一般的な尺度は次のとおりです。真（主な証拠によって裏付けられた主張）、部分的に真（部分的に真実だが欠落または歪められている）、誤解を招く（技術的に正しい要素で誤った印象を与えている）、虚偽（証拠によって反証されている）、および不十分な証拠（確認も反駁もできない）。最後のカテゴリは重要です。主張に反論できないからといって、それが真実であるとは限りません。 「証拠が不十分」と言うのも誠実な事実確認であり、読者に誤った確実性を売り込むよりも優れています。
評価に加えて、確認ニュースに証拠の足跡が示されているという事実が信頼の基礎となります。読者は、どの文書が参照されているか、どの情報源が話しているのか、逆検索で何が明らかになったのかを確認できる必要があります。 「調査した結果、それは間違っていた」と言うだけでは十分ではありません。ここで、AI が事実確認プロセスを証拠グリッドに変えるのに役立ちます。各主張、その根拠となる証拠、および与えられた評価をすべてまとめて表示します。このようなテーブルにより、編集者の内部編集作業が容易になるだけでなく、公開時に読者が確認内容を信頼できるようになります。覚えておいてください。ファクトチェックの目的は、虚偽を見つけることだけではなく、正確な情報を可視化して追跡可能にすることです。
要約すれば
検証とは、主張をその構成要素に分解し、それぞれの主な証拠を見つけ、画像とソースをテストし、独立したクロスチェックを実施し、結果を透過的に記述することです。その過程で、AI は主張を解析し、チェックリストを作成し、どこを見るべきかを提案しますが、真実の判断を下したり情報源を生成したりすることはありません。最も難しいルール: AI に「これは本当ですか?」と尋ねるそれは問われません。証拠は一次情報源、つまりジャーナリストの手から得られます。
アプリケーションタスク
ソーシャルメディア上で広まっている主張や画像を選択してください。 「クレームをコンポーネントに分割」および（視覚的な場合は）「視覚的検証チェックリスト」のプロンプトに従います。実際の一次ソースで AI が抽出した各コンポーネントを検索します。その結果を「真実/誤解を招く/一部/不十分な証拠」で評価し、どのように検証したかを5項目で記入します。
チェックリスト
- [ ] 私は主張を独立した要素に分割し、それぞれを個別に検証します。
- [ ] 私は AI に真実を判断するよう求めているわけではありません。一次情報源から証拠を見つけます。
- [ ] 逆検索と位置情報の手がかりを使って画像をテストします。
- [ ] 私は、少なくとも 2 つの真に独立した情報源によって、この批判的な主張を確認します。
- [ ] 私がどのように検証するかを読者にわかりやすく示します。