Affrontare la disinformazione negli screenshot

Le Screenshot sono super usati sui social per condividere info. Molte persone le condividono senza controllare se il post originale è vero o falso. Condividere screenshot falsi può portare a tanta disinformazione e confusione online. Il nostro obiettivo è creare un tool che possa analizzare uno screenshot di un tweet e calcolare le probabilità che sia genuino, usando info sia da siti live che da pagine archiviate.

#Importanza degli Screenshot

Le screenshot permettono di condividere post comodamente su diverse piattaforme. Ad esempio, qualcuno potrebbe condividere il proprio tweet su Facebook come screenshot per raggiungere più persone. Le screenshot servono anche come prova quando c'è il rischio che un post venga cancellato. Per esempio, un utente ha condiviso uno screenshot di un tweet su un evento tragico che è stato poi rimosso.

#Sfide con i Tweet Falsi

Creare tweet falsi è facile con gli strumenti online. Una volta che un tweet falso diventa uno screenshot, è difficile capire se è vero o no. Non ci sono strumenti attuali che possano controllare automaticamente se uno screenshot è genuino. La gente spesso cerca online o consulta siti di fact-checking per verificare i contenuti, ma può essere molto lungo. Per esempio, un tweet falso è stato controllato da un sito di fact-checking subito dopo essere stato condiviso.

#Validare gli Screenshot

Per verificare se uno screenshot è reale, la gente può controllare i motori di ricerca o i siti di fact-checking. Possono anche esplorare archivi web per trovare post cancellati. Strumenti automatizzati potrebbero semplificare questo processo. Vogliamo creare un tool che aiuti gli utenti a confermare se il contenuto di uno screenshot è autentico o falso.

#Estrazione di Informazioni dagli Screenshot

Prima di poter controllare l'autenticità di uno screenshot, dobbiamo prima estrarne le informazioni importanti. Questo include il testo del tweet, il Timestamp e il handle Twitter dell'utente. Stiamo sviluppando metodi per farlo in modo efficace.

#Panoramica della Metodologia

Il processo prevede la raccolta di immagini di screenshot, la definizione delle strategie di ricerca e la verifica se il contenuto originale può essere trovato online. Se il contenuto può essere verificato, è reale; se no, stimiamo le probabilità che sia falso.

#Creazione del Set di Dati

Abbiamo raccolto un dataset contenente 200 immagini di tweet, includendo esempi sia reali che falsi. Questo dataset ci aiuterà a creare e testare il nostro tool in modo efficace.

#Risalendo al Contenuto Originale

Un passo importante è trovare il link originale al tweet mostrato nello screenshot. Il testo del tweet e il handle Twitter possono essere usati come parole chiave in un motore di ricerca. In questo modo, se il tweet è reale, possiamo trovare il link originale.

#Utilizzo dei Motori di Ricerca

Possiamo usare una parte del testo del tweet insieme all'handle Twitter per cercare su piattaforme come Google. Questo porta spesso all'URL del tweet originale, mostrando che il contenuto è genuino.

#Utilizzo di Siti di Fact-Checking

Un altro metodo consiste nell'utilizzare il timestamp e il testo su un sito di fact-checking per controllare se il contenuto è stato mai postato dall'autore dichiarato. Ad esempio, un tweet che conteneva informazioni false è stato smentito da uno di questi siti.

#Ricerca negli Archivi Web

Gli archivi web, come il Wayback Machine, possono aiutare a trovare tweet cancellati. Questi archivi memorizzano vecchie pagine web e possono essere cercati usando l'handle Twitter e la data in cui il tweet è stato postato. Questo è molto utile per trovare contenuti che potrebbero non essere più visibili su Twitter.

#Riconoscimento Ottico dei Caratteri (OCR)

Per estrarre il testo da uno screenshot, utilizzeremo uno strumento chiamato Riconoscimento Ottico dei Caratteri (OCR). Questa tecnologia legge il testo dalle immagini e lo converte in testo modificabile. Questo ci permette di estrarre il testo del tweet, l'handle e il timestamp dallo screenshot.

#Valutazione dei Metodi di Estrazione del Timestamp

Abbiamo testato due metodi per estrarre i timestamp dagli screenshot. Il primo utilizza uno strumento Python speciale per trovare le stringhe di data, mentre il secondo cerca schemi numerici nel testo. I nostri risultati hanno mostrato che il secondo metodo è più accurato nell'estrarre il timestamp corretto.

#Sfide nell'Estrazione del Timestamp

Alcuni screenshot non includono timestamp in un formato standard, rendendo difficile l'estrazione. Ad esempio, se un timestamp è presentato come "27m," non può essere usato per generare una data completa.

#Estrazione degli Handle Twitter

Estrarre l'handle Twitter da uno screenshot richiede attenzione. Gli handle Twitter iniziano con "@" e potrebbero esserci più di un handle in un tweet. Pertanto, estraiamo solo il primo handle che appare nello screenshot.

#Performance del Metodo di Estrazione degli Handle

Abbiamo testato il nostro metodo per estrarre gli handle Twitter. I risultati hanno mostrato che il nostro approccio per individuare gli handle ha avuto un buon successo, anche se potrebbero esserci casi in cui l'handle è incompleto.

#Conclusione

Le screenshot sono diventate un modo comune per condividere contenuti sui social media. Tuttavia, il rischio di diffondere disinformazione attraverso screenshot falsi è reale. Questo lavoro mira a affrontare la sfida di verificare l'autenticità degli screenshot. Il dataset che abbiamo raccolto e il tool automatizzato che stiamo sviluppando saranno preziosi nella lotta contro la disinformazione e garantiranno che i contenuti condivisi online siano affidabili.