【阿公阿嬤動起來】樂齡族學查核 辯識假訊息能力UP！　

 

 

 

 

在 Instagram 查看這則貼文

 

 

 

 

 

 

 

 

 

 

 

台灣事實查核中心（@taiwan_factcheckcenter）分享的貼文

史丹佛網路媒體實驗室與波因特學院旗下推廣媒體素養專案《MediaWise》合作，研究145位50歲以上、參與《MediaWise》課程學員，受測者年齡中位數為66.9歲。研究並設有相似年齡組成、但並未參與課程的對照組，比對同時間兩個團體辨識不實訊息能力的消長。

阿公阿嬤動腦來破案　假訊息無處逃 

負責《MediaWise》銀髮項目的資深多媒體記者亞利克斯．馬歇戴文（Alex Mashadevan）強調，史丹佛的研究證明，在網路社群平台上的「批判性思維」，是一個任何年紀都可以學習的技能。

2018年由波因特學院建立的媒體素養專案《MediaWise》，原先主要鎖定年輕族群，是國際事實查核聯盟中唯一由青少年擔任查核記者的組織。《MediaWise》6月發布銀髮族項目，目標協助50歲以上的民眾辨識美國總統大選、健康訊息與新冠疫情的不實訊息。

圖1：推廣媒體素養與青少年事實查核的組織《MediaWise》今年6月推出銀髮族項目，鎖定50歲以上的民眾，教導事實查核與辨識不實訊息的技巧／擷自《MediaWise》

一份由美國東北大學與哈佛大學聯合研究、關於2016年美國總統大選期間假消息的報告顯示，年紀較長的成人較容易受到惡意不實訊息的威脅：跟18-29歲的用戶相比，65歲以上用戶在推特上接觸到假新聞的數量高出兩倍，在臉書上分享假新聞則是七倍之多。可能是因為相較於成長於數位時代的年輕人，年長者接受到的數位素養教育較少。

此次受測者參與的《MediaWise》課程主要分成四個部分，每部分一小時，先是講述事實查核的基本概念，包括解釋不實訊息（Misinformation）與惡意不實訊息（Disinformation）的差別、傳播者的動機、鼓勵水平閱讀（lateral reading）；之後三個課程則介紹搜尋引擎、影像反搜等查核技巧，以及批判性思考，如何與跟分享不實訊息的人溝通等議題。 

研究團隊分別在課程前與課程後進行一個小時的調查測試，要求學員辨識六則真偽新聞的真實度。結果顯示，學員在課程前的準確度為63%，課程結束後準確程度上升至87%；對照組則未見明顯改變（從57%上升至59%）。

政黨擺一邊　樂齡族練習打假術

另一個更加顯著的變化是，跟對照組相比，參與過媒體素養課程的學員更傾向利用網路搜尋確認資訊、協助判斷新聞可信度與正確性。在參加課程前，僅有2.9%的受測學員在判讀新聞前會利用網路搜尋；但在完成課程後，該數字大幅飆升至69.6%。 

值得注意的是，該項研究並顯示，不論學員是超級自由派或是極度保守派，其新聞判斷準確度都有明顯改善，沒有政黨傾向之分。

該份研究報告目前正在進行同儕審查，預計明年初正式發布。波因特學院指出，研究結果顯示，一個簡短的事實查核與媒體素養課程，即可有效地改善中高年齡的成人辨識網路惡意不實訊息的能力。

樂齡族會打擊假訊息　社會更健康

「很高興知道我們的方法有效，而且我們正走在正確的道路上。」《MediaWise》編輯與項目經理凱蒂．拜倫（Katy Byron）透露，其課程的成功關鍵，是利用現實生活中在社群平台上熱傳的不實訊息案例，來教導學員如何揪出不實訊息與惡意不實訊息。 

「當人們懂得如何辨識網路上的事實，整體社會變得更加強壯、民主更為健康。」拜倫強調，社會急需正視網路上的惡意不實訊息問題，特別是現在疫苗不實訊息與相關不信任論述在網路上逐漸升溫，讓不實訊息的問題升級且惡化。

《MediaWise》主要是針對青少年族群，推動查核工作。該組織除了透過教案設計、名人與網紅代言、青少年事實查核網絡等方式推廣媒體素養教育與事實查核，也積極使用Instagram與TikTok等美國年輕人常用的社群平台與多媒體形式，發布事實查核，在美國大選前也推出針對首投族的媒體識讀專案，協助了解關於選舉的正確資訊。

參考資料

Poynter <Poynter’s MediaWise training significantly increases people’s ability to detect disinformation, new Stanford study finds> 2020.12.14

Ryan C. Moore, Jeffery T. Hancock, Stanford University <White Paper: The effects of Online Disinformation Detection Training for Older Adults>

代表圖來源：Shutterstock／作者：Tom Wang