تحديد المحتوى الممول في مواقع الأخبار باستخدام التعلم الآلي

قام باحثون من هولندا بتطوير طريقة تعلم الآلة الجديدة قادرة على التمييز بين المحتوى الممول أو المدفوع في منصات الأخبار ، بدقة تزيد عن 90٪ ، استجابة لزيادة الاهتمام من قبل المعلنين في صيغ الإعلان الأصلي التي يصعب تمييزها عن الإنتاج الصحفي “الحقيقي”.

الورقة الجديدة ، التي تحمل عنوان تمييز المحتوى التجاري من المحتوى التحريري في الأخبار ، تأتي من باحثين في جامعة لايدن.

الرسوم البيانية التجارية (الأحمر) والتحريرية (الأزرق) الناشئة من تحليل البيانات. مصدر: https://arxiv.org/pdf/2111.03916.pdf

يلاحظ المؤلفون أن المنشورات الأكثر جديّة ، التي يمكنها بسهولة ديكتات الشروط للمعلنين ، ستقوم بجهود معقولة لتمييز “المحتوى الشريك” من المسار العام للأخبار والتحليل ، ومع ذلك ، فإن المعايير تتغير ببطء ولكن بلا عودة إلى زيادة التكامل بين الفرق التحريرية والتجارية في المنشأة ، والتي يعتبرونها اتجاها سلبيا ومقلقا.

‘القدرة على التمويه المحتوى ، عن وعي أو بدون وعي ، والاحتمال أن يتم التعرف على الإعلانات كمحتوى ممول حتى لو تم وضع علامات عليها بشكل صحيح هو كبير. يسميها المعلنون الإعلان الأصلي لسبب ما.’

بعض الأمثلة الحالية للإعلان الأصلي ، التي يطلق عليها أحيانا “محتوى الشريك” ، “محتوى العلامة التجارية” ، وغيرها من الأسماء التي تهدف إلى إخفاء الفرق بين المحتوى الأصلي والمحتوى الممول في المنصات الصحفية.

تم إجراء العمل كجزء من تحقيق أوسع في ثقافة الأخبار الشبكية في قناة ACED Reverb ، التي تقع في أمستردام ، والتي تركز على التحليل القائم على البيانات للاتجاهات الصحفية المتطورة.

الحصول على البيانات

为了 تطوير بيانات المصدر للمشروع ، استخدم المؤلفون 1000 مقال و 1000 إعلان من أربعة منصات إخبارية هولندية وصنفوها بناءً على سماتها النصية. منذ أن كانت حجم مجموعة البيانات معقولاً ، تجنب المؤلفون النهج الكبيرة مثل BERT ، وبدلاً من ذلك قيموا فعالية إطارات التعلم الآلي الكلاسيكية ، بما في ذلك دعم آلة المتجه (SVM) ، LinearSVC ، شجرة القرار ، غابة عشوائية ، K-Nearest Neighbor (K-NN) ، الانحدار العشوائي (SGD) و نايف بايز.

تمكنت قناة Reverb من توفير 1000 مقال “مستقيم” ، ولكن المؤلفون اضطروا إلى حصد الإعلانات مباشرة من المواقع الهولندية الأربعة المذكورة. البيانات المحصل عليها متاحة متاحة في شكل محدود (نظراً لمخاوف حقوق النشر) على GitHub ، إلى جانب بعض من كود Python المستخدم لتحصل على البيانات وتقييمها.

كانت المنشورات الأربعة التي تم دراستها هي Nu.nl المحافظة سياسياً ، و Telegraaf التقدمي ، و NRC ، و مجلة الأعمال De Ondernemer. كل منشور كان ممثلاً بنفس القدر في البيانات.

كان من الضروري تحديد وتصحيح “المنفذين” المحتملين في المعجم الذي تم تشكيله من البحث – الكلمات التي قد تظهر في كلا النوعين من المحتوى مع قليل من الفرق في التكرار والاستخدام ، من أجل إنشاء أنماط واضحة للمحتوى الأصلي والممολ.

النتائج

عبر الطرق التي تم اختبارها لتحديد الهوية ، تم الحصول على أفضل النتائج بواسطة SVM و linearSVC و غابة عشوائية و SGD. لذلك واصل الباحثون استخدام SVM في التحليلات اللاحقة.

تمكنت أفضل نهج نموذج لاستخراج التصنيف عبر مجموعة البيانات من تجاوز دقة 90٪ ، على الرغم من أن الباحثين يشيرون إلى أن الحصول على تصنيف واضح يصبح أكثر صعوبة عند التعامل مع المنشورات التي تهدف إلى الأعمال التجارية ، حيث يكون الت重 بين المحتوى “الحقيقي” والمحتوى الممول كبيراً – ربما لأن نمط اللغة الأصلي للأعمال أكثر موضوعية من الاتجاهات التحريرية العامة ، ويمكن أن تخفي أجندة معينة.

مخططات t-SNE لفصل المحتوى الحقيقي والمحتوى الممول عبر المنشورات الأربعة.

هل المحتوى الممول “أخبار وهمية”?

يشير بحث المؤلفين إلى أن مشروعهم جديد في مجال تحليل محتوى الأخبار. يمكن أن تفتح الإطارات القادرة على تحديد المحتوى الممول الطريق لتطوير مراقبة سنوية لتوازن بين الصحافة الموضوعية وكمية الإعلانات الأصلية المتزايدة التي تجلس في سياق متشابه في معظم المنشورات ، باستخدام نفس الإشارات البصرية (CSS وتنسيقات أخرى) مثل المحتوى العام.

في معنى معين ، يظهر عدم وجود سياق واضح للمحتوى الممول كفرع فرعي من دراسة “أخبار وهمية”. على الرغم من أن معظم الناشرين يدركون الحاجة إلى فصل “الكنيسة والدولة” ، والالتزام بتقديم القراء بفرق واضحة بين المحتوى المدفوع والمحتوى المتولد بشكل طبيعي ، إلا أن واقع المشهد الصحفي بعد الطباعة ، والاعتماد المتزايد على المعلنين ، قد حول التقليل من شأن المؤشرات الممولة إلى فن رقيق في علم النفس الواجهة. في بعض الأحيان ، تكون مكافآت تشغيل المحتوى الممول كافية لتحمل مخاطر كارثة بصرية كبيرة.

في عام 2015 ، قدمت منصة Quintly ، وهي منصة وسائل الإعلام والتحليلات التنافسية ، طريقة الكشف بالاعتماد على الذكاء الاصطناعي لتحديد ما إذا كان المنشور على فيسبوك ممول ، مع ادعاء دقة بنسبة 96٪. في العام التالي ، زعمت دراسة من جامعة جورجيا أن طريقة تعامل الناشرين مع إعلان المحتوى الممول يمكن أن تكون متواطئة مع الخداع.

في عام 2017 ، لاحظت MediaShift ، وهي منظمة تدرس تقاطع وسائل الإعلام والتكنولوجيا ، نطاق التمويل المتزايد الذي تقدمه شركة The New York Times لعملياتها من خلال استوديو المحتوى المُسمى T Brand Studio ، مع ادعاء انخفاض مستويات الشفافية حول المحتوى الممول ، مع نتيجة ضمنية أن القراء لا يستطيعون بسهولة تحديد ما إذا كان المحتوى مولد بشكل طبيعي أم لا.

في عام 2020 ، تم تطوير مبادرة بحثية أخرى من هولندا لتطوير تصنيفات التعلم الآلي لتحديد تلقائياً الأخبار الممولة من قبل روسيا في منصات الأخبار الصربية. بالإضافة إلى ذلك ، تم تقدير في عام 2019 أن حلول المحتوى الإعلامي لشركة Forbes تمثل 40٪ من إيراداتها الإجمالية من خلال BrandVoice ، استوديو المحتوى الذي أطلقته الناشر في عام 2010.