Covid 19 pandemi krizinde doğrulama mekanizmaları : karşılaştırmalı bir inceleme
Bibliographic record
Abstract
Bu çalışma Covid-19 pandemisi döneminde üretilen infodemiye odaklanmaktadır. İnfodeminin üretilme biçimlerinin neler olduğu ve hangi konu başlıklarını kapsadığı çalışmanın temel merakını oluşturmaktadır. Yanlış ve yalan bilgilerin hızla yayılabildiği ve dijital araçların bu yayılım hızını geçmiş nesillere göre çok daha büyük çarpan etkileriyle kolaylaştırdığı günümüzde doğrulama platformlarının varlığı bir gereklilik haline gelmiştir. Bu nedenle araştırmanın merkezine günümüzde önemi giderek artan doğrulama (fact checking) platformları alınmıştır. Bu tez çalışmasının odağında yer alan temel sorular “Doğrulama platformları Covid-19 pandemi sürecinde hangi konu başlıklarında yayınlar üretmiş ve hangi tip yalan haberler üzerinde çalışmıştır?” ve “Farklı ülkelerdeki doğrulama platformlarının üzerinde çalıştığı yalan haberler arasında konu kategorilerine bağlı olarak kümelenme var mıdır?” şeklinde belirlenmiştir. Bu sorular çerçevesinde farklı coğrafyalarda ve kültürlerdeki infodeminin karşılaştırılması yapılmıştır. Bu amaçla Türkiye’den Teyit, Amerika Birleşik Devletleri’nden PolitiFact ve Birleşik Krallık’tan Full Fact araştırmanın örneklemi olarak seçilmiştir. Araştırma kapsamında üç ülkenin Covid-19 pandemisi sürecinde gerçekleştirdiği doğrulama analizleri incelenerek karşılaştırılmıştır. Araştırma Covid-19 salgınını pandemi olarak tanımlandığı 1 Mart 2020 tarihi başlangıç kabul edilerek bir yıllık bir süreyi kapsamaktadır. Coğrafi ve kültürel farklılıklara odaklanabilmek amacıyla doğrulama sitelerinin içeriklerinde yalnızca ait oldukları ülkelere dair infodemi içerikleri incelenmiş, dış haberler kapsam dışı bırakılmıştır. İçerikler konu ve başlıklarına göre içerik analizine tabi tutulmuştur. Analiz için Uluslararası Doğrulama Ağı tarafından belirlenen “söylentilerin kategorileri” isimli sınıflandırma yöntemi baz alınmıştır. Araştırma sonuçlarına göre her üç ülkede de özellikle siyasi konjonktür doğrultusunda infodeminin üretimi farklılaşmaktadır. Bunun yanında ABD’nin dünya gündemi ve kültürü üzerinde baskın faktör olduğu görülmüştür. ABD’nin gündemine gelen, yankı uyandıran tüm iddialar Türkiye’de de Birleşik Krallık’ta da karşılık bulmuştur.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".