การระบุเนื้อหาที่ได้รับการสนับสนุนในเว็บไซต์ข่าวด้วยเครื่องมือการเรียนรู้ของเครื่อง

นักวิจัยจากเนเธอร์แลนด์ได้พัฒนาเครื่องมือการเรียนรู้ของเครื่องแบบใหม่ที่สามารถแยกเนื้อหาที่ได้รับการสนับสนุนหรือจ่ายเงินภายในแพลตฟอร์มข่าวได้ โดยมีความแม่นยำมากกว่า 90% ในการตอบสนองต่อความสนใจที่เพิ่มขึ้นของผู้ลงโฆษณาในรูปแบบโฆษณา “เนทีฟ” ที่ยากต่อการแยกแยะจากผลลัพธ์ของการรายงานข่าวจริง

บทความใหม่ บทความ ที่มีชื่อว่า การแยกเนื้อหาเชิงพาณิชย์จากเนื้อหาเชิงบรรณาธิการในข่าว มาจากนักวิจัยที่มหาวิทยาลัยไลเดน

Commercial (red) and editorial (blue) sub-graphs emerging from analysis of the data. Source: https://arxiv.org/pdf/2111.03916.pdf

ผู้เขียนสังเกตว่าแม้ว่าสำนักข่าวที่มีชื่อเสียงมากขึ้นซึ่งสามารถกำหนดเงื่อนไขให้กับผู้ลงโฆษณาได้จะพยายามแยก “เนื้อหาพันธมิตร” จากเนื้อหาข่าวและวิเคราะห์ทั่วไป แต่มาตรฐานกำลังเปลี่ยนแปลงอย่างช้าๆ แต่แน่นอนไปสู่การผสมผสานระหว่างทีมบรรณาธิการและเชิงพาณิชย์บนแพลตฟอร์ม ซึ่งพวกเขาถือว่าเป็นแนวโน้มที่น่ากลัวและเป็นลบ

‘ความสามารถในการพรางเนื้อหา โดยสมัครใจหรือไม่สมัครใจ และความน่าจะเป็นที่โฆษณาไม่ได้รับการยอมรับว่าเป็นโฆษณาแม้ว่าจะมีการระบุไว้อย่างถูกต้องก็ตามเป็นเรื่องที่สำคัญ นักการตลาดเรียกมันว่าโฆษณา “เนทีฟ” โดยเหตุผล’

Some current examples of native advertising, variously called ‘partner content’, ‘brand content’, and many other appellations designed to subtly obscure the distinction between native and commercially-placed content in journalistic platforms.

งานนี้ได้รับการดำเนินการเป็นส่วนหนึ่งของการวิจัยที่กว้างขึ้นเกี่ยวกับวัฒนธรรมข่าวที่เชื่อมโยงเครือข่ายที่ช่อง ACED Reverb ซึ่งตั้งอยู่ที่อัมสเตอร์ดัม ซึ่งมุ่งเน้นไปที่การวิเคราะห์ข้อมูลข่าวที่เปลี่ยนแปลงไป

การรวบรวมข้อมูล

เพื่อพัฒนาแหล่งข้อมูลสำหรับโครงการ ผู้เขียนใช้บทความ 1,000 เรื่องและโฆษณา 1,000 รายการจากสำนักข่าวดัตช์ 4 แห่ง และจัดประเภทตามคุณลักษณะข้อความ เนื่องจากขนาดของชุดข้อมูลค่อนข้างเล็ก ผู้เขียนจึงหลีกเลี่ยงแนวทางขนาดใหญ่ เช่น BERT และประเมินประสิทธิผลของเฟรมเวิร์กการเรียนรู้ของเครื่องแบบคลาสสิก รวมถึง Support Vector Machine (SVM), LinearSVC, Decision Tree, Random Forest, K-Nearest Neighbor (K-NN), Stochastic Gradient Descent (SGD) และ Naïve Bayes

ช่อง Reverb สามารถจัดหาบทความ “ตรง” 1,000 เรื่องได้ แต่ผู้เขียนต้องขุดคุ้ยโฆษณาโดยตรงจากเว็บไซต์ดัตช์ 4 แห่งที่มี ข้อมูลที่ได้รับสามารถเข้าถึงได้ในรูปแบบจำกัด (เนื่องจากข้อกังวลด้านลิขสิทธิ์) ที่ GitHub พร้อมกับโค้ด Python บางส่วนที่ใช้ในการรับและประเมินข้อมูล

สื่อที่ศึกษา ได้แก่ Nu.nl ที่มีแนวคิดอนุรักษ์นิยม Telegraaf ที่มีแนวคิดก้าวหน้า NRC และนิตยสารธุรกิจ De Ondernemer แต่ละสื่อมีการแสดงอย่างเท่าเทียมกันในข้อมูล

จำเป็นต้องระบุและยกเว้น “leakers” ที่เป็นไปได้ในพจนานุกรมที่เกิดจากงานวิจัย – คำที่อาจปรากฏในเนื้อหาทั้งสองประเภทพร้อมกับความถี่และการใช้งานที่แตกต่างกันเล็กน้อย เพื่อกำหนดรูปแบบที่ชัดเจนสำหรับเนื้อหาที่ได้รับการสนับสนุนและไม่ได้รับการสนับสนุนอย่างแท้จริง

ผลลัพธ์

ข้ามวิธีการทดสอบที่ใช้ในการระบุผลลัพธ์ที่ดีที่สุดได้รับจาก SVM, linearSVC, Random Forest และ SGD ดังนั้นผู้วิจัยจึงใช้ SVM ในการวิเคราะห์เพิ่มเติม

แนวทางแบบจำลองที่ดีที่สุดสำหรับการดึงข้อมูลการจำแนกประเภทข้ามคอร์ปัสเกินความแม่นยำ 90% แม้ว่าผู้วิจัยจะสังเกตว่าการได้รับการจำแนกประเภทที่ชัดเจนจะยากขึ้นเมื่อจัดการกับสื่อที่มุ่งเน้น B2B ซึ่งการซ้อนทับทางเล็กซิ콘ระหว่างเนื้อหาที่ “แท้จริง” และ “ได้รับการสนับสนุน” มากเกินไป – อาจเป็นเพราะว่าภาษาธุรกิจที่เป็นเนทีฟมีลักษณะ主觀มากกว่าแนวปฏิบัติในการรายงานและวิเคราะห์ทั่วไป และสามารถซ่อนวาระได้ง่ายขึ้น

t-Distributed Stochastic Neighbor Embedding (t-SNE) plots for separation of real and sponsored content across the four publications.

เนื้อหาที่ได้รับการสนับสนุนคือ ‘ข่าวปลอม’ หรือไม่?

การวิจัยของผู้เขียนชี้ให้เห็นว่าโครงการของพวกเขานั้นเป็นเรื่องใหม่ในด้านการวิเคราะห์เนื้อหาข่าว แฟรมเวิร์กที่สามารถระบุเนื้อหาที่ได้รับการสนับสนุนได้สามารถเปิดทางสู่การตรวจสอบการเปลี่ยนแปลงของความสมดุลระหว่างการรายงานข่าวที่เป็นกลางและโฆษณา “เนทีฟ” ที่เติบโตขึ้นซึ่งวางอยู่ในบริบทเดียวกันกับเนื้อหาทั่วไปในหลายสื่อ โดยใช้สัญญาณภาพ (CSS stylesheets และการกำหนดรูปแบบอื่นๆ) เหมือนกับเนื้อหาทั่วไป

ใน某种意义แล้ว การขาดบริบทที่ชัดเจนสำหรับเนื้อหาที่ได้รับการสนับสนุนกำลังเกิดขึ้นเป็นสาขาย่อยของการศึกษาข่าวปลอม แม้ว่าผู้จัดพิมพ์ส่วนใหญ่ยอมรับถึงความจำเป็นในการแยก “คริสตจักรและรัฐ” และให้ผู้อ่านมีเครื่องหมายที่ชัดเจนระหว่างเนื้อหาที่จ่ายเงินและเนื้อหาที่สร้างขึ้นเอง แต่ความเป็นจริงของสถานการณ์หลังการพิมพ์และการขึ้นอยู่กับผู้ลงโฆษณาที่เพิ่มขึ้นได้เปลี่ยนการลดความสำคัญของสัญญาณที่ได้รับการสนับสนุนให้เป็นศิลปะในจิตวิทยาของ UI บางครั้งผลตอบแทนจากการวิ่งเนื้อหาที่ได้รับการสนับสนุนมีมากพอที่จะเสี่ยงต่อ อุบัติเหตุทางด้านภาพลักษณ์ที่สำคัญ

ในปี 2015 แพลตฟอร์มโซเชียลมีเดียและจัดอันดับการbenchmarking Quintly ได้เสนอ วิธีการตรวจจับ ที่ใช้ AI เพื่อกำหนดว่าโพสต์บน Facebook ได้รับการสนับสนุนหรือไม่ โดยอ้างว่ามีอัตราความแม่นยำ 96% ในปีต่อมา การศึกษา จากมหาวิทยาลัยจอร์เจียโต้แย้งว่าวิธีที่ผู้จัดพิมพ์จัดการการประกาศเนื้อหาที่ได้รับการสนับสนุนอาจ ‘สมรู้ร่วมคิดกับการหลอกลวง’

ในปี 2017 MediaShift ซึ่งเป็นองค์กรที่ตรวจสอบจุดตัดกันระหว่างสื่อและเทคโนโลยี สังเกตเห็น ถึงระดับที่เพิ่มขึ้นของ The New York Times ที่สร้างรายได้จากการดำเนินงานผ่านสตูดิโอเนื้อหาที่ได้รับการสนับสนุน T Brand Studio โดยอ้างว่ามีการลดความโปร่งใสรอบเนื้อหาที่ได้รับการสนับสนุน โดยมีผลลัพธ์ที่ไม่ได้ตั้งใจที่ผู้อ่านไม่สามารถบอกได้ง่ายว่าเนื้อหานั้นสร้างขึ้นเองหรือไม่

ในปี 2020 โครงการวิจัยอีกโครงการหนึ่งจากเนเธอร์แลนด์ได้พัฒนาเครื่องมือการเรียนรู้ของเครื่องแบบอัตโนมัติเพื่อ ระบุ ข่าวของรัฐรัสเซียที่ปรากฏในแพลตฟอร์มข่าวเซอร์เบีย นอกจากนี้ยัง ประมาณการ ในปี 2019 ว่า “วิธีแก้ปัญหาข้อมูลสื่อ” ของ Forbes คิดเป็น 40% ของรายได้รวมผ่าน BrandVoice สตูดิโอเนื้อหาที่ผู้จัดพิมพ์เปิดตัวในปี 2010