Blatantly false news increases belief in news that is merely implausible
Notice bibliographique
Résumé
What are the consequences of encountering blatant falsehoods and “fake news”? Here we show that exposure to a high prevalence of very implausible claims can increase belief in other, more ambiguous false claims, as they seem more believable in comparison. Participants in five preregistered experiments (N=5,476) were exposed to lower or higher rates of news headlines that seemed blatantly false, as well as some more plausible true and false headlines. Being exposed to a higher prevalence of extremely implausible headlines increased belief in unrelated headlines which were more ambiguous (or even plausible), regardless of whether they were true or false. The effect persisted for headlines describing hypothetical events, as well as actual true and false news headlines. It occurred whether people actively evaluated the headlines or read them passively, among liberals and conservatives, and among those high or low in cognitive reflection. We observed this effect in environments where the plausibility of a claim was a reliable and useful cue to whether it was true or false, and in environments where plausibility and truth were unrelated. We argue that a high prevalence of blatantly implausible claims lowers the threshold of plausibility for other claims to seem believable. Such relative comparisons are a hallmark of the brain’s tendency towards efficient computations in perception and judgment. Even when consumers can reliably identify and disregard blatantly false news content, encountering such content may make subtler falsehoods more likely to be believed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».