Simple Science

Ciência de ponta explicada de forma simples

# Informática# Interação Homem-Computador

Ninja das Notícias: Aprendendo a Detectar Viés Brincando

Um jogo que ensina os jogadores a reconhecer preconceitos em artigos de notícias.

― 6 min ler


Jogo para IdentificarJogo para IdentificarViés nas Notíciasnotícias jogando de forma divertida.Treine para identificar viés em
Índice

News Ninja é um jogo pensado pra ajudar a galera a reconhecer preconceitos em artigos de notícias. Hoje em dia, muita gente pega informações de fontes de notícias online, que muitas vezes parecem confiáveis. Mas, as notícias podem ter preconceitos que influenciam como as pessoas veem eventos e questões. O objetivo do News Ninja é ensinar os jogadores sobre preconceito linguístico, que é como a linguagem pode influenciar percepções. Através do jogo, os jogadores aprendem a identificar linguagem tendenciosa enquanto contribuem pra um banco de dados que pode ajudar a melhorar ferramentas automáticas de detecção de preconceito.

O que é Preconceito Linguístico?

Preconceito linguístico aparece na escolha das palavras e como as informações são apresentadas. Esse tipo de preconceito rola quando a linguagem é usada de um jeito que apoia um ponto de vista ou estereótipo sobre pessoas ou eventos. Por exemplo, usar "manifestantes" ou "vândalos" pode mudar a forma como as pessoas percebem o mesmo grupo. Reconhecer essas diferenças sutis na linguagem é essencial pra entender o preconceito na mídia.

A necessidade de mudar o consumo de notícias

Muitos leitores não fazem ideia dos preconceitos que tão presentes nas notícias que leem. Essa falta de percepção pode levar a interpretações erradas e uma visão distorcida da realidade. Métodos tradicionais de identificar preconceitos precisam de anotações de especialistas, que podem ser demoradas e caras. Com o aumento do conteúdo noticioso, achar formas eficientes de reconhecer esses preconceitos se torna ainda mais importante.

O papel dos jogos no aprendizado

Jogos sempre foram usados como ferramentas de educação, e o News Ninja combina aprendizado com jogabilidade. Ao incluir mecânicas de jogo, os jogadores não só se divertem, mas também aprendem a detectar preconceito em artigos de notícias. A ideia é simples: enquanto jogam, eles aprendem a identificar palavras e frases tendenciosas. Esse jeito pode tornar o entendimento sobre preconceito muito mais interessante do que ler material tradicional.

Como o News Ninja funciona

Antes de começar o jogo, os jogadores passam por um tutorial que ensina sobre preconceito na mídia. Esse tutorial explica o que é preconceito linguístico e como reconhecê-lo. Depois, os jogadores são guiados em uma série de jogos onde analisam frases de artigos de notícias, marcando-as como tendenciosas ou não.

O jogo tem cinco modos diferentes, cada um apresentando desafios únicos pra manter os jogadores engajados. Nesses modos, os jogadores devem deslizar frases pra classificá-las corretamente, identificar palavras tendenciosas tocando nelas e receber Feedback imediato sobre suas escolhas.

As mecânicas do jogo

Modos de Jogo

  1. Modo Contexto: Os jogadores analisam frases únicas e as classificam como tendenciosas ou não. Eles recebem recompensas por classificações corretas e podem revisar seu desempenho depois.

  2. Modo Publicação: Esse modo combina anotações em nível de frase e palavra. Os jogadores tocam em palavras tendenciosas e depois deslizam pra classificar a frase inteira.

  3. Modo Palavras Rápidas: Aqui, os jogadores têm que identificar o maior número possível de palavras tendenciosas antes que o tempo acabe, melhorando suas habilidades de tomada de decisão rápida.

  4. Modo Co-Op: Os jogadores trabalham juntos, discutindo frases pra chegar a um consenso sobre as anotações de preconceito.

  5. Modo Crítica: Nesse modo interativo, os jogadores checam anotações anteriores feitas por outros e decidem se concordam ou discordam dessas classificações.

Sistema de Feedback

O News Ninja inclui dois tipos de feedback: feedback direto quando a resposta correta é conhecida e feedback atrasado para frases incertas. Esse sistema de feedback incentiva os jogadores a aprender com seus erros e a melhorar suas habilidades de detecção de preconceito.

Coletando dados através da jogabilidade

Conforme os jogadores se envolvem com o jogo, suas anotações criam um banco de dados que pode ser usado pra treinar sistemas automáticos de detecção de preconceito. Esse banco de dados coletado tem o potencial de ser mais diversificado e adaptável do que bancos de dados tradicionais, já que reflete a natureza em evolução da linguagem e da representação das notícias.

Design do Estudo e Resultados

Pra avaliar a eficácia do News Ninja, vários estudos foram realizados. Testes iniciais mostraram que os jogadores que treinaram com o jogo produziram anotações mais consistentes do que aquelas geradas por anotações feitas por crowdsourcing ou rótulos de especialistas.

Demografia dos Participantes

Os participantes nos estudos variaram em idade, gênero e formação educacional. A recrutamento foi feito através de plataformas online, permitindo uma ampla gama de jogadores se envolverem com o jogo.

Avaliação da Qualidade dos Dados

A qualidade dos dados coletados dos jogadores foi avaliada comparando suas anotações com rótulos de especialistas. Os resultados mostraram que os rótulos gerados pelos jogadores demonstraram altas taxas de concordância com os rótulos gerados por especialistas, indicando que o jogo conseguiu educar os jogadores sobre como identificar preconceito linguístico.

Experiência dos Jogadores

O feedback dos participantes indicou que eles acharam a jogabilidade divertida e o tutorial útil pra entender como detectar preconceito. Muitos notaram que o jogo tornou o processo de aprender sobre preconceito menos maçante em comparação com métodos tradicionais.

Implicações para a Alfabetização Midiática

O News Ninja serve tanto como uma ferramenta educacional quanto como um método de Coleta de Dados. Ao ensinar os jogadores sobre preconceito na mídia, ele incentiva o pensamento crítico e a alfabetização midiática, habilidades cruciais no ambiente cheio de informações de hoje. Os jogadores não só aprendem, mas também contribuem pra um crescente corpo de pesquisa focado no preconceito da mídia e suas implicações.

Direções Futuras

À medida que o jogo continua evoluindo, há planos pra incorporar recursos mais avançados e expandir seu escopo educacional. Versões futuras do News Ninja podem incluir novos tópicos relacionados ao preconceito na mídia, oferecer mecânicas de jogabilidade mais intrincadas e possivelmente integrar inteligência artificial pra fornecer insights mais profundos sobre detecção de preconceito.

Conclusão

Resumindo, o News Ninja se destaca como uma abordagem única pra entender e detectar preconceito linguístico em artigos de notícias. Ao misturar jogos com educação, ele cria uma plataforma interativa que não só informa, mas também engaja os jogadores em uma conversa crítica sobre alfabetização midiática. Com o desenvolvimento e expansão contínuos, o News Ninja tem o potencial de causar um impacto significativo em como as pessoas leem e interpretam notícias em um cenário em constante mudança.

Fonte original

Título: News Ninja: Gamified Annotation of Linguistic Bias in Online News

Resumo: Recent research shows that visualizing linguistic bias mitigates its negative effects. However, reliable automatic detection methods to generate such visualizations require costly, knowledge-intensive training data. To facilitate data collection for media bias datasets, we present News Ninja, a game employing data-collecting game mechanics to generate a crowdsourced dataset. Before annotating sentences, players are educated on media bias via a tutorial. Our findings show that datasets gathered with crowdsourced workers trained on News Ninja can reach significantly higher inter-annotator agreements than expert and crowdsourced datasets with similar data quality. As News Ninja encourages continuous play, it allows datasets to adapt to the reception and contextualization of news over time, presenting a promising strategy to reduce data collection expenses, educate players, and promote long-term bias mitigation.

Autores: Smi Hinterreiter, Timo Spinde, Sebastian Oberdörfer, Isao Echizen, Marc Erich Latoschik

Última atualização: 2024-07-24 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2407.17111

Fonte PDF: https://arxiv.org/pdf/2407.17111

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes