April, April: Von Journalisten verfasste Scherzartikel könnten in Zukunft dabei helfen, Fake News zu enttarnen. Denn die traditionell am 1. April veröffentlichen Texte haben stilistisch einiges mit solchen gefährlichen Falschmeldungen gemein – unter anderem in Sachen Wortwahl und Satzbau, wie Analysen offenbaren. Die lustig gemeinten Artikel könnten sich daher eignen, um zum Beispiel Algorithmen zur Identifizierung von Fake News zu trainieren.
Einmal im Jahr ist es offiziell erlaubt: Lügen, was das Zeug hält. Nicht nur unter Freunden und Bekannten tischt man sich am 1. April traditionell Fantasiegeschichten auf. Sogar seriöse Medien publizieren an diesem Tag gerne einmal gezielt Falschmeldungen – in der Hoffnung, dass ihnen möglichst viele Leser, Zuhörer oder Zuschauer auf den Leim gehen. Auch hier bei scinexx gab es schon solche Erster-April-Meldungen.
Edward Dearden von der Lancaster University und seine Kollegen hat dieser lustige Brauch nun zu einer ernsthaften Forschungsfrage geführt: Könnten in Zeitungen und Co veröffentlichte Scherzartikel dabei helfen, schädliche Fake News zu enttarnen? „Aprilscherze können sich in diesem Zusammenhang möglicherweise als nützlich erweisen. Denn mit ihnen steht uns ein Korpus eindeutig irreführender Texte zur Verfügung, der uns mehr über die linguistischen Methoden von Autoren verrät, die etwas Fiktives als Fakt darstellen“, erklärt Dearden.
Simple Sprache, lange Sätze
Um zu überprüfen, wie stark April-Nachrichten Fake News gleichen, untersuchten die Wissenschaftler mehr als 500 solcher Texte. Diese aus über 370 unterschiedlichen Quellen stammenden und über einen Zeitraum von 14 Jahren veröffentlichten Artikel verglichen sie zunächst mit „normalen“ Presseartikeln und anschließend mit einem von anderen Forschern zusammengestellten Fake-News-Datensatz.
Das Ergebnis: Als Aprilscherz verfasste Meldungen unterscheiden sich in einigen Punkten deutlich von ernsthaften Artikeln – und einige dieser Merkmale haben sie tatsächlich mit Fake News gemein. So ergaben die Analysen, dass beide Arten von Texten häufig deutlich kürzer sind als seriöse Nachrichtentexte. Zudem bedienen sie sich einer simpleren, leichter zu verstehenden Sprache, während ihre grammatikalische Struktur tendenziell komplizierter ist – zum Beispiel in Bezug auf die Satzlänge.
Nützliche Gemeinsamkeiten
Darüber hinaus stellten Dearden und sein Team fest, dass konkrete, für Nachrichtentexte wichtige Details wie Ortsangaben, Daten und Zeitangaben sowohl bei Scherzartikeln als auch bei Fake News seltener sind. Sie wiederholen dagegen häufiger als normale Pressetexte Eigennamen wie „Trump“ oder „Hillary Clinton“. Außerdem bedienen sich beide Varianten von Falschnachrichten auffällig oft Personalpronomen der ersten Person wie „wir“.
Wie die Forscher berichten, könnten sich diese Gemeinsamkeiten in Zukunft sinnvoll nutzen lassen – zum Beispiel, um Algorithmen zur Identifizierung von Fake News zu trainieren. Erste Versuche mit einem solchen Programm offenbarten: Dienten Aprilscherze als Trainingsmaterial, erkannte der Algorithmus Fake News mit einer Trefferquote von über 65 Prozent. Zum Vergleich: Nach dem Training mit Fake-News-Datensätzen lag das Ergebnis bei 72 Prozent.
„Wichtige Einblicke“
Der Vorteil dabei: Während Fake News oft schwer von echten Nachrichten zu unterscheiden sind und damit auch die Erstellung von Übungsmaterial zur Herausforderung werden kann, sind Aprilscherze klar als solche zu erkennen – denn in der Regel klären die zuständigen Medien den Scherz im Nachhinein auf.
Zwar gebe es auch einige Unterschiede zwischen den Scherzartikeln und tatsächlichen Fake News, wie Mitautor Alistair Baron betont. „Unsere Ergebnisse deuten aber darauf hin, dass es bestimmte charakteristische Merkmale gibt, die diese unterschiedlichen Formen von Desinformation miteinander gemein haben. Diese Ähnlichkeiten könnten künftig wichtige Einblicke bei der Erforschung falscher Nachrichtentexte ermöglichen“, schließt er. (International Conference on Computational Linguistics and Intelligent Text Processing, 2019; Meeting)
Quelle: Lancaster University
