Autor*innen
Organisation/Institut
Fachgebiet
Publikationsformat(e)
Projektstand
Projektbeginn
Projektende
Forschungseinrichtung(en)
Zentraler Phänomenbezug
Phänomenbereich
Fegert, Jonas; Bezzaoui, Isabel
FZI Forschungszentrum Informatik
Informatik
Paper & Projektbericht
Laufend
1. Januar 2022
31. Dezember 2024
Universitär, Außenuniversitär (Forschungsgemeinschaft), Zivilgesellschaft
Übergreifend: Radikalisierung – Extremismus und/oder Terrorismus
Phänomenübergreifend
Zentrale Fragestellung:
Das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Projekt DeFaktS verfolgt einen umfassenden Ansatz zur Erforschung und Bekämpfung von Desinformation. Zu diesem Zweck wird auf der Basis von extrahierten Nachrichten aus verdächtigen Social-Media- und Messenger-Gruppen eine Künstliche Intelligenz (KI) trainiert, die für Desinformation charakteristische Faktoren und Stilmittel erkennen kann. Die derart trainierte KI bildet im Anschluss eine Komponente für eine XAI (Explainable Artificial Intelligence), mit Hilfe derer eine App Nutzer*innen von Online-Angeboten transparent über das mögliche Auftreten von Desinformation informieren und warnen soll.
Stichprobenbildung – Datenzugang:
/
Gesamtstichprobengröße
Inhaltlicher / Thematischer / Empirischer Zentralfokus
Methodik
Erhebungsverfahren
Auswertungsverfahren
/
Deskriptivanalyse, Multivariante Verfahren
Zentrale Forschungsbefunde:
/
Implikationen oder praktische Verwendbarkeiten:
Ein Ziel von DeFaktS ist es, die XAI-Komponente über die Entwicklung einer Programmierschnittstelle auch für Dritte zugänglich zu machen und somit zu einer Lösung beizutragen, mit der sich Onlineplattformen möglichst automatisiert moderieren lassen.
Hinweise / Anregungen zu möglicher Anschlussforschung:
/
Zitation des Projekts
Quellenangabe projektbezogener Publikation
- Bezzaoui, I., Fegert, J., & Weinhardt, C. (2022).
Distinguishing Between Truth and Fake: Using Explainable AI to Understand and Combat Online Disinformation. The 16th International Conference on Digital Society. 16th International Conference on Digital Society.
Bezzaoui, I., Fegert, J., & Weinhardt, C. (2022).
Truth or Fake? Developing a Taxonomical Framework for the Textual Detection of Online Disinformation. International journal on advances in internet technology, 15(3/4), 53.
Liu, J., Thoma,S. (2022).
German to English: Fake News Detection with Machine Translation. In Gesellschaft für Informatik (ed.) Lecture Notes on Informatics (LNI). Bonn.
