{"CACHEDAT":"2026-05-13 09:38:57","TRANSLATEDAT":"2026-05-13 09:38:57","SOURCESIGNATURE":"7a9e56d2ea3f2c69597ecdc4c37790c3bd22ac955bbb62f6ceb193688b397de6","SLUG":"misinformation-manipulation-WtiyDFyWdl","MARKDOWN":"# Information Disorder\n\nWardle & Derakhshan (2017), in a foundational report for the Council of Europe, introduce *Information Disorder* as the umbrella term for false, misleading, or harmfully shared information in the public information environment. They distinguish three categories along two axes: whether the content is *false* or *true*, and whether it is shared with *intent to harm*.\n\n| Type | Content | Sharer's knowledge of falseness | Intent to harm |\n|------|---------|---------------------------------|----------------|\n| **Misinformation** | false or misleading | does not know | no |\n| **Disinformation** | false or misleading | knows | yes |\n| **Malinformation** | true | (not the criterion) | yes |\n\nThe three categories form an interconnected ecology: the same content item can move between them depending on who shares it and with what intent.\n\n### Fake News\n\nThe term *fake news* is widely used in public debate but analytically imprecise. It usually refers to false or misleading information presented in the style of news reporting. However, because the term can refer to different types of information disorder and is often used politically to discredit unwanted reporting, more precise terms such as *misinformation*, *disinformation*, *fabricated content*, *false context*, or *manipulated content* should be preferred.\n\n## Misinformation\n\nMisinformation is false or misleading information shared by people who do not realise it is false. The sharer believes the content is accurate; there is no intent to deceive or harm.\n\nMisinformation typically arises in fast-moving news situations (early reports with unconfirmed details), in passing along claims without checking accuracy, and in repeating information from trusted sources that turn out to be wrong. It can be as widespread and consequential as disinformation, despite the absence of malicious intent — its sharers are often genuinely motivated and trusted within their networks, which gives the content reach and perceived credibility (Lewandowsky et al., 2017).\n\n### Misinformation Susceptibility Factors\n\n\n:::success\n**1. Cognitive factors** — how information is processed\n\n* **Confirmation bias**: People pay more attention to information that supports what they already believe, and scrutinise opposing information more harshly. — Nickerson (1998)\n* **Illusory truth effect**: Claims can feel more believable simply because people have seen them before, even when they are false. — Unkelbach et al. (2019)\n* **Processing fluency**: Information that is easy to read, familiar in wording, or visually clear feels more trustworthy than information that is harder to process. — Reber & Schwarz (1999)\n* **Low cognitive reflection**: People who rely on quick, intuitive judgements rather than pausing to check are more likely to fall for false claims. — Pennycook & Rand (2019)\n* **Bullshit receptivity**: Some people are inclined to find vague but impressive-sounding statements meaningful, even when they are empty. — Pennycook et al. (2015)\n* **Low numeracy / scientific literacy**: People may struggle to evaluate statistics, graphs, risk statements, or scientific evidence; education alone is no automatic protection. — Kahan et al. (2017)\n\n**2. Affective / motivational factors** — how emotions and identity shape judgement\n\n* **Emotional reasoning / reliance on emotion**: People accept claims because they feel right, frightening, satisfying, or morally urgent, rather than because they have been checked. — Martel, Pennycook & Rand (2020)\n* **Specific emotions** (anger, fear, moral outrage): Strong emotions can lead people to react quickly and share before checking; moral-emotional language is especially powerful in spreading political content. (Belief and sharing are distinct effects with different evidence.) — Brady et al. (2017); Martel et al. (2020)\n* **Identity-protective cognition**: People process information in ways that protect their political, religious, or group identity, and resist evidence that would threaten it. (Closely linked to *political identity* in category 5.) — Kahan (2013, 2017)\n* **Conspiracy mindset**: A general tendency to suspect hidden plots or powerful actors behind events makes conspiracy-style misinformation more plausible. — Douglas, Sutton & Cichocka (2017)\n\n**3. Social factors** — whom and which groups people trust\n\n* **Source credibility / trust in the sender**: How believable a claim feels depends on who appears to be saying it — a friend, an influencer, an expert, a politician, a news outlet, or an anonymous account. — Traberg & van der Linden (2022)\n* **Social proof / popularity cues**: Likes, shares, views, and comments can act as credibility cues, although the effect depends on context. — Avram et al. (2020)\n* **In-group / partisan congruency**: Information from \"people like us\", or aligned with a group's position, is accepted more easily. (Closely linked to *political identity* in category 5.) — Sultan et al. (2024)\n* **Network homophily / echo chambers**: When people mostly encounter information through networks of similar others, certain views appear more widely shared than they really are. (See also D1G5.) — Cinelli et al. (2021)\n\n**4. Contextual / situational factors** — the conditions under which people meet information\n\n* **Time pressure**: When people have to judge information quickly, they distinguish true from false claims less accurately. — Sultan et al. (2022)\n* **Information overload**: When too much information arrives at once, people fall back on shortcuts like headlines, emotion, source labels, or popularity. — Laato et al. (2020)\n* **Distraction / cognitive load**: When attention is drawn elsewhere, people may share without checking accuracy, even if they could otherwise recognise the misinformation. — Pennycook et al. (2020)\n* **Crisis / uncertainty contexts** (pandemics, war, disasters): Urgent need for explanation increases openness to false or premature claims. — Roozenbeek et al. (2020)\n* **Platform design**: Feeds, notifications, recommendation systems, autoplay, and fast scrolling encourage reactive rather than reflective behaviour. (See also D1G1.) — Lorenz-Spreen et al. (2020)\n\n**5. Background and dispositional factors** — who may be more or less vulnerable in specific contexts\n\n* **Age**: Older adults sometimes distinguish true from false headlines better in studies, but share misinformation more often online. — Guess, Nagler & Tucker (2019)\n* **Education**: Not an automatic shield; meta-analyses show no simple effect on misinformation discrimination. — Sultan et al. (2024)\n* **Political identity and prior beliefs**: Shape which information feels plausible, threatening, trustworthy, or worth sharing. (Operates via identity-protective cognition in category 2 and in-group cues in category 3 — not purely a demographic variable.) — Sultan et al. (2024)\n* **Media literacy habits**: People who compare sources, read beyond headlines, and recognise manipulation techniques rely less on emotional or social shortcuts. *(Note: this is the learning goal of SciLMi itself — listed here as a documented protective disposition, not as a prerequisite.)* — Guess et al. (2020)\n\n:::\n\n\n:::info\n* Avram, M., Micallef, N., Patil, S., & Menczer, F. (2020). Exposure to social engagement metrics increases vulnerability to misinformation. *Harvard Kennedy School (HKS) Misinformation Review*, *1*(5). \n* Brady, W. J., Wills, J. A., Jost, J. T., Tucker, J. A., & Van Bavel, J. J. (2017). Emotion shapes the diffusion of moralized content in social networks. *Proceedings of the National Academy of Sciences*, *114*(28), 7313–7318. \n* Cinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., & Starnini, M. (2021). The echo chamber effect on social media. *Proceedings of the National Academy of Sciences*, *118*(9), e2023301118. \n* Douglas, K. M., Sutton, R. M., & Cichocka, A. (2017). The psychology of conspiracy theories. *Current Directions in Psychological Science*, *26*(6), 538–542. \n* Guess, A., Nagler, J., & Tucker, J. (2019). Less than you think: Prevalence and predictors of fake news dissemination on Facebook. *Science Advances*, *5*(1), eaau4586. \n* Jones-Jang, S. M., Mortensen, T., & Liu, J. (2021). Does media literacy help identification of fake news? Information literacy helps, but other literacies don't. *American Behavioral Scientist*, *65*(2), 371–388. \n* Kahan, D. M. (2013). Ideology, motivated reasoning, and cognitive reflection. *Judgment and Decision Making*, *8*(4), 407–424.\n* Kahan, D. M., Peters, E., Dawson, E. C., & Slovic, P. (2017). Motivated numeracy and enlightened self-government. *Behavioural Public Policy*, *1*(1), 54–86. \n* Laato, S., Islam, A. K. M. N., Islam, M. N., & Whelan, E. (2020). What drives unverified information sharing and cyberchondria during the COVID-19 pandemic? *European Journal of Information Systems*, *29*(3), 288–305. \n* Lorenz-Spreen, P., Lewandowsky, S., Sunstein, C. R., & Hertwig, R. (2020). How behavioural sciences can promote truth, autonomy and democratic discourse online. *Nature Human Behaviour*, *4*(11), 1102–1109. \n* Martel, C., Pennycook, G., & Rand, D. G. (2020). Reliance on emotion promotes belief in fake news. *Cognitive Research: Principles and Implications*, *5*(1), 47. \n* Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. *Review of General Psychology*, *2*(2), 175–220. \n* Pennycook, G., Cheyne, J. A., Barr, N., Koehler, D. J., & Fugelsang, J. A. (2015). On the reception and detection of pseudo-profound bullshit. *Judgment and Decision Making*, *10*(6), 549–563.\n* Pennycook, G., McPhetres, J., Zhang, Y., Lu, J. G., & Rand, D. G. (2020). Fighting COVID-19 misinformation on social media: Experimental evidence for a scalable accuracy-nudge intervention. *Psychological Science*, *31*(7), 770–780. \n* Pennycook, G., & Rand, D. G. (2019). Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning. *Cognition*, *188*, 39–50. \n* Reber, R., & Schwarz, N. (1999). Effects of perceptual fluency on judgments of truth. *Consciousness and Cognition*, *8*(3), 338–342. \n* Roozenbeek, J., Schneider, C. R., Dryhurst, S., Kerr, J., Freeman, A. L. J., Recchia, G., van der Bles, A. M., & van der Linden, S. (2020). Susceptibility to misinformation about COVID-19 around the world. *Royal Society Open Science*, *7*(10), 201199. \n* Sultan, M., Tump, A. N., Geers, M., Lorenz-Spreen, P., Herzog, S. M., & Kurvers, R. H. J. M. (2022). Time pressure reduces misinformation discrimination ability but does not alter response bias. *Scientific Reports*, *12*(1), 22416. \n* Sultan, M., Tump, A. N., Ehmann, N., Lorenz-Spreen, P., Hertwig, R., Gollwitzer, A., & Kurvers, R. H. J. M. (2024). Susceptibility to online misinformation: A systematic meta-analysis of demographic and psychological factors. *Proceedings of the National Academy of Sciences*, *121*(47), e2409329121. \n* Traberg, C. S., & van der Linden, S. (2022). Birds of a feather are persuaded together: Perceived source credibility mediates the effect of political bias on misinformation susceptibility. *Personality and Individual Differences*, *185*, 111269. \n* Unkelbach, C., Koch, A., Silva, R. R., & Garcia-Marques, T. (2019). Truth by repetition: Explanations and implications. *Current Directions in Psychological Science*, *28*(3), 247–253. \n\n:::\n\n### ☑ Logical Fallacies\n\n\n:::success\n- [ ] Check for hasty generalisations - Conclusion from too little evidence.\n- [ ] Check for false dilemmas - Limiting options to two when more exist.\n- [ ] Check for straw man arguments - Misrepresenting a position to refute it easily.\n- [ ] Check for appeals to ignorance - Claiming truth due to lack of disproof.\n- [ ] Check for appeals to authority - Assuming truth based on authority alone.\n- [ ] Check for red herrings - Distracting from the main issue.\n- [ ] Check for false causes - Confusing correlation with causation.\n- [ ] Check for ad hominem - Attacking the person, not the argument. \n- [ ] Check for ad populum - Arguing truth from popularity.\n- [ ] Check for slippery slopes - Asserting one step leads to extremes.\n- [ ] Check for circular reasoning - Using the conclusion as a premise.\n\n:::\n\n\n:::tip\n* \n* \n* \n\n:::\n\n## Disinformation\n\nDisinformation is false or misleading information shared deliberately, by people who know it is false, with the intent to harm, deceive, or manipulate. Both the sharer's awareness of the falseness and the harmful intent are definitional features.\n\nCommon forms include political influence operations, commercial deception, propaganda, fabricated content, and manipulated media. Disinformation is often produced by organised actors and amplified through *Coordinated Inauthentic / Artificial Amplification* (above).\n\n## Malinformation\n\nMalinformation is *true* information shared with intent to harm. The content itself is accurate, but its release, framing, or timing is calculated to damage a person, group, or institution. The classical pattern is the deliberate movement of private, sensitive, or context-bound information into a public or harmful context.\n\nExamples include the publication of leaked private communications to discredit a target, the release of accurate but stigmatising personal data (e.g. revenge porn), and the strategic disclosure of factually correct but contextually damaging information at moments calculated for maximum impact.\n\nMalinformation is the least-discussed of the three categories because the content is not false, which places it outside fact-checking frameworks. But it forms a significant part of the information-disorder ecology (Wardle & Derakhshan, 2017).\n\n\n:::warning\n**The boundaries are porous.**\n\nThe three categories often overlap or shift in practice:\n\n* A piece of *disinformation*, once shared by people who genuinely believe it, becomes *misinformation* as it spreads further. The same content can sit in different categories depending on who shares it.\n* Content can be partly true and partly false. Wardle (2017) lists seven forms within information disorder — including *misleading content*, *false context*, and *manipulated content* — not all false content is fully fabricated.\n* Determining intent from outside is empirically hard. Without access to the sharer's knowledge state and motivation, the line between misinformation and disinformation often cannot be drawn definitively.\n\nThis is why the framework asks learners to *explain why the boundary between misinformation and disinformation is often difficult to determine in practice*.\n\n:::\n\n\n:::info\n* Wardle, C., & Derakhshan, H. (2017). *Information Disorder: Toward an interdisciplinary framework for research and policy making*. Council of Europe Report DGI(2017)09. \n* Wardle, C. (2017). Fake news. It's complicated. *First Draft News*. \n* Lewandowsky, S., Ecker, U. K. H., & Cook, J. (2017). Beyond misinformation: Understanding and coping with the \"post-truth\" era. *Journal of Applied Research in Memory and Cognition*, 6(4), 353–369. \n* Vraga, E. K., & Bode, L. (2020). Defining misinformation and understanding its bounded nature. *Political Communication*, 37(1), 136–144. \n\n:::\n\n# AI Hallucination / Confabulation\n\nThe systematic tendency of generative AI systems to produce plausible-sounding content that is factually incorrect, fabricated, or unverifiable — including invented references, non-existent studies, misattributed quotations, made-up statistics, and false biographical, historical, or scientific details.\n\nHallucinations occur because generative AI systems produce output by predicting plausible continuations from patterns learned during training, not by retrieving verified information from a knowledge source. The system optimises for fluency and plausibility, not for accuracy. Fabricated content is typically presented with the same confidence as accurate content — there is no internal signal that reliably distinguishes the two.\n\nThe term **confabulation** is sometimes preferred over **hallucination** in research contexts, since confabulation in psychology denotes the construction of false but sincerely believed accounts without intent to deceive — closer to what generative systems actually do. *Hallucination* remains the dominant term in public and technical discourse and is retained here.\n\n**Hallucinations are not occasional bugs.** They are a structural feature of the underlying generation process, not errors that can be reliably eliminated through better prompting (Kalai & Vempala, 2024). They occur across all generative systems — including ☑ RAG AI, where fabrication can also affect how retrieved sources are summarised, quoted, or attributed.\n\n**Didactic positioning:** Hallucinations can be located conceptually as a forth category alongside *misinformation, disinformation*, and *malinformation*. Unlike both, they are not produced by a human source with intent or error in mind, but emerge from the generation process itself — system-generated false content without an intentional source. This three-way distinction is offered here as a pedagogically useful framing rather than as established consensus terminology.\n\n**Common types:**\n\n* fabricated references — citations to articles, books, or studies that do not exist\n* misattributed or fabricated quotations\n* invented statistics or numerical claims\n* inaccurate biographical, historical, or scientific details presented confidently\n* confidently incorrect summaries of real sources\n\n\n:::tip\nTreat any factual claim from a generative AI system as unverified until checked against an independent source. References and quotations are particularly easy to verify — search whether the cited source exists and contains what the AI claimed.\n\n:::\n\n\n:::info\n* Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? *Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21)*, 610–623. \n* Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. *ACM Computing Surveys, 55*(12), Article 248. \n* Kalai, A. T., & Vempala, S. S. (2024). Calibrated language models must hallucinate. *Proceedings of the 56th Annual ACM Symposium on Theory of Computing (STOC 2024)*, 160–171. \n* Smith, A. L., Greaves, F., & Panch, T. (2023). Hallucination or confabulation? Neuroanatomy as metaphor in large language models. *PLOS Digital Health, 2*(11), e0000388. \n\n:::\n\n# Content Misrepresentation\n\n| Format | Manipulated | Fabricated |\n|--------|-------------|------------|\n| Text | genuine quote stripped of context, doctored headline | invented quote, fictional article, AI-generated text |\n| Image | retouched photograph, cropped original | AI-generated image, painted fake \"photograph\" |\n| Audio | edited or sped-up original recording | voice clone, AI-generated speech |\n| Video | cheap fake, recut clips | fully synthetic deepfake video |\n| Document | forged letterhead on modified template | invented \"official\" letter |\n\n## Fabricated Content\n\n**Fabricated content** is information — text, image, audio, video, document, or other format — that has been entirely invented, with no genuine source material. It may be produced manually (invented quotes, fictional news articles) or generated synthetically by AI systems (synthetic videos, voice clones, AI-generated images, AI-written text).\n\n## Manipulated Content\n\n**Manipulated content** is geniune information — text, image, audio, video, document, or other format — that has been altered to deceive. The source material is real, but it is modified through editing, selective cropping, speed adjustment, recontextualisation, framing changes, voice substitution, or other transformations that change its meaning or apparent context.\n\n### Cheap Fake\n\nA **cheap fake** is media that has been altered using conventional, widely available tools — image editing software, video editing software, or basic recontextualisation — rather than AI-based generative methods. The term was coined by Paris and Donovan (2019) to draw attention to the fact that the most consequential forms of manipulated media in public discourse are typically not sophisticated AI-generated deepfakes, but simple, low-cost techniques that anyone can apply.\n\nCommon cheap fake techniques include:\n\n* speed manipulation (e.g. the slowed-down Pelosi video, 2019)\n* recutting and selective editing of audio or video\n* recontextualisation (real media presented with a false caption or framing)\n* photo retouching, cropping, or compositing\n* swapped captions and doctored screenshots\n* audio splicing\n\nWhether a cheap fake constitutes *Misinformation*, *Disinformation*, or *Malinformation* depends on the actor's knowledge and intent (→ *Information Disorder*), not on the technique itself. The same edited video can serve satire, fiction, education, or deception.\n\nCompared with *Deep Fakes*, cheap fakes require less technical skill but are not necessarily easier to detect — well-executed recontextualisation or selective editing can be extremely difficult to identify without access to the original source material.\n\n\n:::info\n* Paris, B., & Donovan, J. (2019). *Deepfakes and Cheap Fakes: The Manipulation of Audio and Visual Evidence*. Data & Society Research Institute. \n\n:::\n\n\n:::tip\nCheap Fake Verification Tools: \n\n* \n* \n* \n* \n* \n* \n* \n* \n* \n\n:::\n\n### Deep Fake\n\n### Deep Fake\n\nA **deep fake** is synthetic media generated by artificial intelligence — specifically using deep learning techniques such as generative adversarial networks (GANs), diffusion models, or transformer-based generators. The term is a portmanteau of *deep learning* and *fake*, originating in 2017 in online communities producing AI-generated face-swap videos. The technology has since expanded across media types and is now broadly accessible through consumer-level tools.\n\nCommon forms include:\n\n* **Face swaps**: replacing one person's face with another's in video\n* **Voice cloning**: synthesising a speaker's voice from a small audio sample\n* **Full synthetic video**: AI-generated footage showing people, events, or scenes that never occurred\n* **Synthetic photography**: AI-generated still images of fictional people or events\n* **Text-to-video and text-to-audio**: generating media from written prompts\n\nWhether a deep fake constitutes *Misinformation*, *Disinformation*, or *Malinformation* depends on the actor's knowledge and intent (→ *Information Disorder*), not on the technique itself. Deep fake methods are also used legitimately in film production, accessibility tools (synthetic voices for people who have lost theirs), language dubbing, satire, education, and the arts.\n\nCompared with *Cheap Fakes*, deep fakes require more technical capacity to produce convincingly and can achieve higher visual or auditory realism. They are not, however, the dominant form of media manipulation in public discourse — Paris and Donovan (2019) note that simpler cheap-fake techniques remain more common and often more consequential. Detection is an active research area; current approaches combine artefact analysis, biological inconsistency checks, and provenance verification (e.g. C2PA content credentials).\n\n\n:::info\n* Paris, B., & Donovan, J. (2019). *Deepfakes and Cheap Fakes: The Manipulation of Audio and Visual Evidence*. Data & Society Research Institute. \n* Chesney, R., & Citron, D. K. (2019). Deep fakes: A looming challenge for privacy, democracy, and national security. *California Law Review*, 107(6), 1753–1820.\n* Vaccari, C., & Chadwick, A. (2020). Deepfakes and disinformation: Exploring the impact of synthetic political video on deception, uncertainty, and trust in news. *Social Media + Society*, 6(1), 1–13. \n\n:::\n\n\n:::tip\nDeep Fake Verification Tools: \n\n* \n* \n* \n* \n* \n* \n* \n* \n* \n\n:::\n\n\n##","HTML":"

Informačný chaos

\n

Wardle & Derakhshan (2017) v základnej správe pre Radu Európy zavádzajú pojem „informačný neporiadok“ ako zastrešujúci termín pre falošné, zavádzajúce alebo škodlivé informácie šírené vo verejnom informačnom prostredí. Rozlišujú tri kategórie na dvoch osiach: či je obsah falošný alebo pravdivý a či je šírený so zámerom ublížiť.

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
TypObsahVedomie zdieľajúceho o nepravdivostiZámer ublížiť
Dezinformácianepravdivé alebo zavádzajúcenevienie
Dezinformácianepravdivé alebo zavádzajúcevieáno
Nesprávne informáciepravdivé(nie je to kritérium)áno
\n

Tieto tri kategórie tvoria prepojený ekosystém: ten istý obsah sa môže pohybovať medzi nimi v závislosti od toho, kto ho zdieľa a s akým zámerom.

\n

Falošné správy

\n

Pojem falošné správy sa vo verejnej diskusii používa veľmi často, ale z analytického hľadiska je nepresný. Zvyčajne sa týka nepravdivých alebo zavádzajúcich informácií prezentovaných vo forme spravodajstva. Keďže sa však tento pojem môže vzťahovať na rôzne typy informačného chaosu a často sa používa v politike na diskreditáciu nežiaduceho spravodajstva, mali by sa uprednostňovať presnejšie pojmy, ako sú dezinformácie, falošné informácie, vymyslený obsah, falošný kontext alebo manipulovaný obsah.

\n

Dezinformácia

\n

Dezinformácia je nepravdivá alebo zavádzajúca informácia, ktorú zdieľajú ľudia, ktorí si neuvedomujú, že je nepravdivá. Osoba, ktorá ju zdieľa, verí, že obsah je presný; neexistuje žiadny úmysel oklamať alebo ublížiť.

\n

Dezinformácia zvyčajne vzniká v rýchlo sa meniacich spravodajských situáciách (prvé správy s nepotvrdenými detailmi), pri šírení tvrdení bez overenia ich správnosti a pri opakovaní informácií z dôveryhodných zdrojov, ktoré sa nakoniec ukážu ako nesprávne. Môže byť rovnako rozšírená a závažná ako dezinformácia, aj napriek absencii zlomyseľného úmyslu – jej zdieľatelia sú často skutočne motivovaní a vo svojich sieťach dôveryhodní, čo obsahu dodáva dosah a vnímanú dôveryhodnosť (Lewandowsky et al., 2017).

\n

Faktory náchylnosti na dezinformácie

\n
\n
\n\n

1. Kognitívne faktory – ako sa informácie spracúvajú

\n
    \n
  • Potvrdzujúce skreslenie: Ľudia venujú väčšiu pozornosť informáciám, ktoré podporujú to, čomu už veria, a informácie, ktoré sú s tým v rozpore, podrobujú prísnejšej kritike. — Nickerson (1998)\n
    • \n
  • Efekt iluzórnej pravdy: Tvrdenia môžu pôsobiť vierohodnejšie len preto, že ich ľudia už predtým videli, aj keď sú nepravdivé. — Unkelbach et al. (2019)\n
    • \n
  • Plynulosť spracovania: Informácie, ktoré sa ľahko čítajú, sú formulované známym spôsobom alebo sú vizuálne jasné, pôsobia dôveryhodnejšie ako informácie, ktorých spracovanie je náročnejšie. — Reber & Schwarz (1999)\n
    • \n
  • Nízka kognitívna reflexia: Ľudia, ktorí sa spoliehajú na rýchle, intuitívne úsudky namiesto toho, aby sa zastavili a overili si informácie, sú náchylnejší na to, aby uverili nepravdivým tvrdeniam. — Pennycook & Rand (2019)\n
    • \n
  • Vnímavosť voči nezmyslom: Niektorí ľudia majú sklon považovať za zmysluplné nejasné, ale pôsobivo znejúce výroky, aj keď sú prázdne. — Pennycook et al. (2015)\n
    • \n
  • Nízka matematická gramotnosť / vedecká gramotnosť: Ľudia môžu mať ťažkosti s vyhodnocovaním štatistík, grafov, vyhlásení o rizikách alebo vedeckých dôkazov; samotné vzdelanie nie je automatickou ochranou. — Kahan et al. (2017)\n

    2. Afektívne / motivačné faktory — ako emócie a identita formujú úsudok

    \n
    • \n
  • Emocionálne uvažovanie / spoliehanie sa na emócie: Ľudia prijímajú tvrdenia skôr preto, že sa im zdajú správne, desivé, uspokojujúce alebo morálne naliehavé, ako preto, že boli overené. — Martel, Pennycook & Rand (2020)\n
    • \n
  • Špecifické emócie (hnev, strach, morálne pobúrenie): Silné emócie môžu viesť ľudí k rýchlej reakcii a zdieľaniu pred overením; morálno-emocionálny jazyk je obzvlášť silný pri šírení politického obsahu. (Presvedčenie a zdieľanie sú odlišné účinky s rôznymi dôkazmi.) — Brady et al. (2017); Martel et al. (2020)\n
    • \n
  • Kognitívne procesy chrániace identitu: Ľudia spracúvajú informácie spôsobmi, ktoré chránia ich politickú, náboženskú alebo skupinovú identitu, a bránia sa dôkazom, ktoré by ju ohrozovali. (Úzko súvisí s politickou identitou v kategórii 5.) — Kahan (2013, 2017)\n
    • \n
  • Konspiračné myslenie: Všeobecná tendencia podozrievať skryté sprisahania alebo mocných aktérov stojacich za udalosťami robí dezinformácie konspiračného charakteru vierohodnejšími. — Douglas, Sutton & Cichocka (2017)\n

    3. Sociálne faktory — komu a ktorým skupinám ľudia dôverujú

    \n
    • \n
  • Dôveryhodnosť zdroja / dôvera v odosielateľa: To, ako uveriteľné sa tvrdenie javí, závisí od toho, kto ho vyslovuje — priateľ, influencer, odborník, politik, spravodajský portál alebo anonymný účet. — Traberg & van der Linden (2022)\n
    • \n
  • Sociálny dôkaz / signály popularity: Lajky, zdieľania, zobrazenia a komentáre môžu slúžiť ako signály dôveryhodnosti, hoci tento efekt závisí od kontextu. — Avram et al. (2020)\n
    • \n
  • Súlad v rámci skupiny / stranícka zhoda: Informácie od „ľudí ako my“ alebo informácie, ktoré sú v súlade s postojom skupiny, sa prijímajú ľahšie. (Úzko súvisí s politickou identitou v kategórii 5.) — Sultan et al. (2024)\n
    • \n
  • Homofília sietí / ozveny: Keď sa ľudia s informáciami stretávajú prevažne prostredníctvom sietí podobných ľudí, určité názory sa javia ako širšie zdieľané, než v skutočnosti sú. (Pozri tiež D1G5.) — Cinelli et al. (2021)\n

    4. Kontextové / situačné faktory — podmienky, za ktorých sa ľudia stretávajú s informáciami

    \n
    • \n
  • Časový tlak: Keď ľudia musia informácie posudzovať rýchlo, rozlišujú pravdivé a nepravdivé tvrdenia menej presne. — Sultan et al. (2022)\n
    • \n
  • Preťaženie informáciami: Keď sa naraz objaví príliš veľa informácií, ľudia sa spoliehajú na skratky, ako sú nadpisy, emócie, označenia zdrojov alebo popularita. — Laato et al. (2020)\n
    • \n
  • Rozptýlenie / kognitívne zaťaženie: Keď je pozornosť upriamená inde, ľudia môžu zdieľať informácie bez overenia ich správnosti, aj keď by inak mohli rozpoznať dezinformáciu. — Pennycook et al. (2020)\n
    • \n
  • Krízové / neisté situácie (pandémie, vojna, katastrofy): Naliehavá potreba vysvetlenia zvyšuje otvorenosť voči nepravdivým alebo predčasným tvrdeniam. — Roozenbeek et al. (2020)\n
    • \n
  • Dizajn platformy: Kanály, oznámenia, systémy odporúčaní, automatické prehrávanie a rýchle posúvanie podporujú skôr reaktívne ako reflexívne správanie. (Pozri tiež D1G1.) — Lorenz-Spreen et al. (2020)\n

    5. Kontextové a dispozičné faktory — kto môže byť v konkrétnych kontextoch viac alebo menej zraniteľný

    \n
    • \n
  • Vek: Starší dospelí v štúdiách niekedy lepšie rozlišujú pravdivé a nepravdivé titulky, ale online šíria dezinformácie častejšie. — Guess, Nagler & Tucker (2019)\n
    • \n
  • Vzdelanie: Nie je automatickou ochranou; metaanalýzy nepreukazujú žiadny jednoznačný vplyv na rozlišovanie dezinformácií. — Sultan et al. (2024)\n
    • \n
  • Politická identita a predchádzajúce presvedčenia: Ovplyvňujú to, ktoré informácie sa javia ako pravdepodobné, ohrozujúce, dôveryhodné alebo hodné zdieľania. (Funguje prostredníctvom kognitívnych procesov na ochranu identity v kategórii 2 a signálov vnútornej skupiny v kategórii 3 — nie je to čisto demografická premenná.) — Sultan et al. (2024)\n
    • \n
  • Návyky mediálnej gramotnosti: Ľudia, ktorí porovnávajú zdroje, čítajú viac ako len nadpisy a rozpoznávajú manipulačné techniky, sa menej spoliehajú na emocionálne alebo sociálne skratky. (Poznámka: toto je samotný vzdelávací cieľ SciLMi — uvedený tu ako zdokumentovaná ochranná dispozícia, nie ako predpoklad.) — Guess et al. (2020)\n
    • \n
\n
\n
\n
\n
\n\n
    \n
  • \nAvram, M., Micallef, N., Patil, S., & Menczer, F. (2020). Vystavenie metrikám sociálneho zapojenia zvyšuje zraniteľnosť voči dezinformáciám. Harvard Kennedy School (HKS) Misinformation Review\n, 1\n(5). https://doi.org/10.37016/mr-2020-033\n
    • \n
  • \nBrady, W. J., Wills, J. A., Jost, J. T., Tucker, J. A., & Van Bavel, J. J. (2017). Emócie formujú šírenie moralizovaného obsahu v sociálnych sieťach. Zborník Národnej akadémie vied\n, 114\n(28), 7313–7318. https://doi.org/10.1073/pnas.1618923114\n
    • \n
  • \nCinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., & Starnini, M. (2021). Efekt ozveny na sociálnych médiách. Zborník Národnej akadémie vied\n, 118\n(9), e2023301118. https://doi.org/10.1073/pnas.2023301118\n
    • \n
  • \nDouglas, K. M., Sutton, R. M., & Cichocka, A. (2017). Psychológia konšpiračných teórií. Current Directions in Psychological Science\n, 26\n(6), 538–542. https://doi.org/10.1177/0963721417718261\n
    • \n
  • \nGuess, A., Nagler, J., & Tucker, J. (2019). Menej, než si myslíte: Prevalencia a prediktory šírenia falošných správ na Facebooku. Science Advances\n, 5\n(1), eaau4586. https://doi.org/10.1126/sciadv.aau4586\n
    • \n
  • \nJones-Jang, S. M., Mortensen, T., & Liu, J. (2021). Pomáha mediálna gramotnosť pri identifikácii falošných správ? Informačná gramotnosť pomáha, ale ostatné druhy gramotnosti nie. American Behavioral Scientist\n, 65\n(2), 371–388. https://doi.org/10.1177/0002764219869406\n
    • \n
  • Kahan, D. M. (2013). Ideológia, motivované uvažovanie a kognitívna reflexia. Judgment and Decision Making, 8(4), 407–424.\n
    • \n
  • \nKahan, D. M., Peters, E., Dawson, E. C., & Slovic, P. (2017). Motivovaná matematická gramotnosť a osvietená samospráva. Behavioural Public Policy\n, 1\n(1), 54–86. https://doi.org/10.1017/bpp.2016.2\n
    • \n
  • \nLaato, S., Islam, A. K. M. N., Islam, M. N., & Whelan, E. (2020). Čo vedie k šíreniu neoverených informácií a cyberchondrii počas pandémie COVID-19? European Journal of Information Systems\n, 29\n(3), 288–305. https://doi.org/10.1080/0960085X.2020.1770632\n
    • \n
  • \nLorenz-Spreen, P., Lewandowsky, S., Sunstein, C. R., & Hertwig, R. (2020). Ako môžu behaviorálne vedy podporovať pravdu, autonómiu a demokratický diskurz online. Nature Human Behaviour\n, 4\n(11), 1102–1109. https://doi.org/10.1038/s41562-020-0889-7\n
    • \n
  • \nMartel, C., Pennycook, G., & Rand, D. G. (2020). Spoliehanie sa na emócie podporuje vieru v falošné správy. Cognitive Research: Principles and Implications\n, 5\n(1), 47. https://doi.org/10.1186/s41235-020-00252-3\n
    • \n
  • \nNickerson, R. S. (1998). Potvrdzujúca zaujatosť: Všeobecný fenomén v mnohých podobách. Prehľad všeobecnej psychológie\n, 2\n(2), 175–220. https://doi.org/10.1037/1089-2680.2.2.175\n
    • \n
  • Pennycook, G., Cheyne, J. A., Barr, N., Koehler, D. J., & Fugelsang, J. A. (2015). O vnímaní a odhaľovaní pseudohĺbavých nezmyslov. Judgment and Decision Making, 10(6), 549–563.\n
    • \n
  • \nPennycook, G., McPhetres, J., Zhang, Y., Lu, J. G., & Rand, D. G. (2020). Boj proti dezinformáciám o COVID-19 na sociálnych médiách: Experimentálne dôkazy o škálovateľnej intervencii zameranej na presnosť. Psychological Science\n, 31\n(7), 770–780. https://doi.org/10.1177/0956797620939054\n
    • \n
  • \nPennycook, G., & Rand, D. G. (2019). Lenivosť, nie zaujatosť: Náchylnosť k straníckym falošným správam sa dá lepšie vysvetliť nedostatkom uvažovania než motivovaným uvažovaním. Cognition\n, 188\n, 39–50. https://doi.org/10.1016/j.cognition.2018.06.011\n
    • \n
  • \nReber, R., & Schwarz, N. (1999). Vplyv vnímanej plynulosti na posudzovanie pravdivosti. Consciousness and Cognition\n, 8\n(3), 338–342. https://doi.org/10.1006/ccog.1999.0386\n
    • \n
  • \nRoozenbeek, J., Schneider, C. R., Dryhurst, S., Kerr, J., Freeman, A. L. J., Recchia, G., van der Bles, A. M., & van der Linden, S. (2020). Náchylnosť k dezinformáciám o COVID-19 po celom svete. Royal Society Open Science\n, 7\n(10), 201199. https://doi.org/10.1098/rsos.201199\n
    • \n
  • \nSultan, M., Tump, A. N., Geers, M., Lorenz-Spreen, P., Herzog, S. M., & Kurvers, R. H. J. M. (2022). Časový tlak znižuje schopnosť rozlišovať dezinformácie, ale nemení skreslenie odpovedí. Scientific Reports\n, 12\n(1), 22416. https://doi.org/10.1038/s41598-022-26209-8\n
    • \n
  • \nSultan, M., Tump, A. N., Ehmann, N., Lorenz-Spreen, P., Hertwig, R., Gollwitzer, A., & Kurvers, R. H. J. M. (2024). Náchylnosť k dezinformáciám na internete: Systematická metaanalýza demografických a psychologických faktorov. Zborník Národnej akadémie vied\n, 121\n(47), e2409329121. https://doi.org/10.1073/pnas.2409329121\n
    • \n
  • \nTraberg, C. S., & van der Linden, S. (2022). Vtáky rovnakého peria sa spolu presviedčajú: Vnímaná dôveryhodnosť zdroja sprostredkúva vplyv politickej zaujatosti na náchylnosť k dezinformáciám. Osobnosť a individuálne rozdiely\n, 185\n, 111269. https://doi.org/10.1016/j.paid.2021.111269\n
    • \n
  • \nUnkelbach, C., Koch, A., Silva, R. R., & Garcia-Marques, T. (2019). Pravda opakovaním: Vysvetlenia a dôsledky. Súčasné smery v psychologickej vede\n, 28\n(3), 247–253. https://doi.org/10.1177/0963721419827854\n
    • \n
\n
\n
\n

☑ Logické chyby

\n
\n
\n\n
    \n
  • Skontrolujte, či sa neobjavujú unáhlené generalizácie – závery vyvodené z príliš malého množstva dôkazov.\n
    • \n
  • Skontrolujte, či sa nevyskytujú falošné dilemy – obmedzenie možností na dve, keď ich existuje viac.\n
    • \n
  • Skontrolujte, či sa neobjavujú argumenty typu „straw man“ – skresľovanie stanoviska s cieľom ľahko ho vyvrátiť.\n
    • \n
  • Skontrolujte, či sa neodvolávate na nevedomosť – tvrdenie o pravde na základe chýbajúceho vyvrátenia.\n
    • \n
  • Skontrolujte, či sa nepoužíva odvolávanie sa na autoritu – predpokladanie pravdy len na základe autority.\n
    • \n
  • Skontrolujte, či sa neobjavujú falošné stopy – odvádzanie pozornosti od hlavnej témy.\n
    • \n
  • Skontrolujte, či sa neobjavujú falošné príčiny – zamieňanie korelácie s kauzalitou.\n
    • \n
  • Skontrolujte, či sa neobjavujú argumenty ad hominem – útoky na osobu, nie na argument.\n
    • \n
  • Skontrolujte, či sa nepoužíva argument ad populum – tvrdenie pravdy na základe popularity.\n
    • \n
  • Skontrolujte, či sa neobjavujú „šikmé plochy“ – tvrdenie, že jeden krok vedie k extrémom.\n
    • \n
  • Skontrolujte kruhové uvažovanie – použitie záveru ako predpokladu.\n
    • \n
\n
\n
\n
\n
\n\n
\n
\n
\n

Dezinformácia

\n

Dezinformácia je falošná alebo zavádzajúca informácia, ktorú zámerne šíria ľudia, ktorí vedia, že je falošná, s úmyslom ublížiť, oklamať alebo manipulovať. Rozhodujúcimi znakmi sú vedomie šíriteľa o falošnosti informácie a škodlivý úmysel.

\n

Medzi bežné formy patrí politické ovplyvňovanie, komerčné podvody, propaganda, vymyslený obsah a manipulované médiá. Dezinformácie často vytvárajú organizované subjekty a zosilňujú sa prostredníctvom koordinovaného neautentického/umelého zosilňovania (viď vyššie).

\n

Zavádzajúce informácie

\n

Zavádzajúce informácie sú pravdivé informácie šírené s úmyslom ublížiť. Samotný obsah je presný, ale jeho zverejnenie, rámcovanie alebo načasovanie je vypočítané tak, aby poškodilo osobu, skupinu alebo inštitúciu. Klasickým vzorom je úmyselné prenesenie súkromných, citlivých alebo kontextovo viazaných informácií do verejného alebo škodlivého kontextu.

\n

Príklady zahŕňajú zverejnenie uniknutej súkromnej komunikácie s cieľom diskreditovať cieľovú osobu, zverejnenie presných, ale stigmatizujúcich osobných údajov (napr. pomstivé porno) a strategické zverejnenie fakticky správnych, ale kontextovo poškodzujúcich informácií v momentoch vypočítaných tak, aby mali maximálny dopad.

\n

Dezinformácia je najmenej diskutovanou z týchto troch kategórií, pretože obsah nie je falošný, čo ju stavia mimo rámca overovania faktov. Tvorí však významnú súčasť ekosystému informačného chaosu (Wardle & Derakhshan, 2017).

\n
\n
\n\n

Hranice sú priepustné. Tieto tri kategórie sa v praxi často prekrývajú alebo posúvajú:

\n
    \n
  • Dezinformácia, ktorú raz zdieľajú ľudia, ktorí jej skutočne veria, sa pri ďalšom šírení stáva dezinformáciou. Ten istý obsah môže patriť do rôznych kategórií v závislosti od toho, kto ho zdieľa.\n
    • \n
  • Obsah môže byť čiastočne pravdivý a čiastočne nepravdivý. Wardle (2017) uvádza sedem foriem informačného chaosu – vrátane zavádzajúceho obsahu, falošného kontextu a manipulovaného obsahu – nie všetok nepravdivý obsah je úplne vymyslený.\n
    • \n
  • Určiť zámer zvonku je empiricky ťažké. Bez prístupu k vedomostiam a motivácii zdieľajúceho sa často nedá jednoznačne určiť hranica medzi dezinformáciou a nesprávnou informáciou.\n

    Preto rámec žiada študentov, aby vysvetlili, prečo je v praxi často ťažké určiť hranicu medzi dezinformáciou a nepravdivou informáciou.

    \n
    • \n
\n
\n
\n
\n
\n\n
\n
\n
\n

Halucinácie / konfabulácia umelej inteligencie

\n

Systematická tendencia generatívnych systémov umelej inteligencie vytvárať obsah, ktorý znie vierohodne, ale je fakticky nesprávny, vymyslený alebo neoveriteľný – vrátane vymyslených odkazov, neexistujúcich štúdií, nesprávne pripísaných citátov, vymyslených štatistík a falošných biografických, historických alebo vedeckých detailov.

\n

Halucinácie vznikajú preto, že generatívne systémy umelej inteligencie vytvárajú výstupy predpovedaním pravdepodobných pokračovaní na základe vzorov naučených počas trénovania, a nie získavaním overených informácií zo zdrojov vedomostí. Systém sa optimalizuje na plynulosť a pravdepodobnosť, nie na presnosť. Vymyslený obsah sa zvyčajne prezentuje s rovnakou istotou ako presný obsah – neexistuje žiadny vnútorný signál, ktorý by spoľahlivo rozlišoval medzi týmito dvoma typmi.

\n

V výskumnom kontexte sa niekedy uprednostňuje termín konfabulácia pred termínom halucinácia, pretože konfabulácia v psychológii označuje vytváranie falošných, ale úprimne uveriteľných výpovedí bez úmyslu oklamať – čo je bližšie tomu, čo generatívne systémy skutočne robia. Halucinácia zostáva dominantným termínom vo verejnom a odbornom diskurze a je zachovaná aj tu.

\n

Halucinácie nie sú náhodné chyby. Sú štrukturálnou črtou základného procesu generovania, nie chybami, ktoré možno spoľahlivo eliminovať prostredníctvom lepších podnetov (Kalai & Vempala, 2024). Vyskytujú sa vo všetkých generatívnych systémoch – vrátane ☑ RAG AI, kde vymýšľanie môže ovplyvniť aj to, ako sa vyhľadané zdroje sumarizujú, citujú alebo pripisujú.

\n

Didaktické zaradenie: Halucinácie možno koncepčne zaradiť do štvrtej kategórie vedľa dezinformácií, nesprávnych informácií a zavádzajúcich informácií. Na rozdiel od oboch nie sú vytvárané ľudským zdrojom so zámerom alebo omylom, ale vyplývajú zo samotného procesu generovania – ide o systémom generovaný falošný obsah bez zámerného zdroja. Toto trojité rozlíšenie sa tu ponúka skôr ako pedagogicky užitočné rámcovanie než ako ustálená konsenzuálna terminológia.

\n

Bežné typy:

\n
    \n
  • vymyslené odkazy – citácie článkov, kníh alebo štúdií, ktoré neexistujú\n
    • \n
  • nesprávne pripísané alebo vymyslené citáty\n
    • \n
  • vymyslené štatistiky alebo číselné tvrdenia\n
    • \n
  • nepresné biografické, historické alebo vedecké údaje prezentované s istotou\n
    • \n
  • s istotou nesprávne zhrnutia skutočných zdrojov\n
    • \n
\n
\n
\n\n

Každé faktické tvrdenie generatívneho systému umelej inteligencie považujte za neoverené, kým ho neoveríte voči nezávislému zdroju. Referencie a citáty sa overujú obzvlášť ľahko — vyhľadajte, či citovaný zdroj existuje a obsahuje to, čo tvrdí umelá inteligencia.

\n
\n
\n
\n
\n\n
    \n
  • \nBender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). O nebezpečenstvách stochastických papagájov: Môžu byť jazykové modely príliš veľké? Zborník z konferencie ACM 2021 o spravodlivosti, zodpovednosti a transparentnosti (FAccT '21)\n, 610–623. https://doi.org/10.1145/3442188.3445922\n
    • \n
  • \nJi, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Prieskum halucinácií pri generovaní prirodzeného jazyka. ACM Computing Surveys, 55\n(12), článok 248. https://doi.org/10.1145/3571730\n
    • \n
  • \nKalai, A. T., & Vempala, S. S. (2024). Kalibrované jazykové modely musia halucinovať. Zborník z 56. výročného sympózia ACM o teórii výpočtov (STOC 2024)\n, 160–171. https://doi.org/10.1145/3618260.3649777\n
    • \n
  • \nSmith, A. L., Greaves, F., & Panch, T. (2023). Halucinácia alebo konfabulácia? Neuroanatómia ako metafora vo veľkých jazykových modeloch. PLOS Digital Health, 2\n(11), e0000388. https://doi.org/10.1371/journal.pdig.0000388\n
    • \n
\n
\n
\n

Skreslenie obsahu

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
FormátManipuláciaVymyslené
Textautentická citácia vytrhnutá z kontextu, upravený nadpisvymyslená citácia, fiktívny článok, text generovaný umelou inteligenciou
Obrázokretušovaná fotografia, orezaný originálobrázok generovaný umelou inteligenciou, namaľovaná falošná „fotografia“
Audioupravený alebo zrýchlený pôvodný záznamklon hlasu, reč generovaná umelou inteligenciou
Videolacné falošné, prestrihané klipyplne syntetické deepfake video
Dokumentfalšovaný hlavičkový papier na upravenej šablónevymyslený „oficiálny“ list
\n

Vymyslený obsah

\n

Vymyslený obsah je informácia – text, obrázok, zvuk, video, dokument alebo iný formát –, ktorá bola úplne vymyslená a nemá žiadny skutočný zdrojový materiál. Môže byť vytvorená ručne (vymyslené citáty, fiktívne spravodajské články) alebo synteticky generovaná systémami umelej inteligencie (syntetické videá, klony hlasov, obrázky generované umelou inteligenciou, text napísaný umelou inteligenciou).

\n

Manipulovaný obsah

\n

Manipulovaný obsah sú skutočné informácie – text, obrázok, zvuk, video, dokument alebo iný formát –, ktoré boli upravené s cieľom oklamať. Zdrojový materiál je skutočný, ale je upravený prostredníctvom editácie, selektívneho orezania, úpravy rýchlosti, zmeny kontextu, zmien rámovania, nahradenia hlasu alebo iných transformácií, ktoré menia jeho význam alebo zdanlivý kontext.

\n

Lacná falzifikácia

\n

Lacný falzifikát je médium, ktoré bolo upravené pomocou bežných, široko dostupných nástrojov – softvéru na úpravu obrázkov, softvéru na úpravu videa alebo základnej rekontextualizácie – namiesto generatívnych metód založených na umelej inteligencii. Termín vymysleli Paris a Donovan (2019), aby upozornili na skutočnosť, že najdôležitejšie formy manipulovaných médií vo verejnej diskusii zvyčajne nie sú sofistikované deepfakes generované umelou inteligenciou, ale jednoduché, nízkonákladové techniky, ktoré môže použiť ktokoľvek.

\n

Medzi bežné techniky lacných falzifikátov patria:

\n
    \n
  • manipulácia rýchlosťou (napr. spomalené video Pelosiovej, 2019)\n
    • \n
  • prekresľovanie a selektívna úprava zvuku alebo videa\n
    • \n
  • rekontextualizáciu (skutočné médiá prezentované s falošným titulkom alebo rámcovaním)\n
    • \n
  • retušovanie, orezávanie alebo kompozícia fotografií\n
    • \n
  • vymenené titulky a upravené snímky obrazovky\n
    • \n
  • spájanie zvukových záznamov\n
    • \n
\n

To, či lacný falzifikát predstavuje dezinformáciu, zavádzajúcu informáciu alebo nesprávnu informáciu, závisí od vedomostí a zámeru aktéra (→ informačný chaos), nie od samotnej techniky. To isté upravené video môže slúžiť na satiru, fikciu, vzdelávanie alebo podvod.

\n

V porovnaní s deepfakes vyžadujú lacné falzifikáty menej technických zručností, ale nie sú nevyhnutne ľahšie odhaliteľné – dobre vykonaná rekontextualizácia alebo selektívna úprava môžu byť bez prístupu k pôvodnému zdrojovému materiálu mimoriadne ťažko identifikovateľné.

\n
\n
\n\n
\n
\n
\n
\n
\n\n

Nástroje na overovanie lacných falzifikátov:

\n
\n
\n
\n

Deep Fake

\n

Deep Fake

\n

Deepfake je syntetické médium generované umelou inteligenciou – konkrétne s využitím techník hlbokého učenia, ako sú generatívne súťažné siete (GAN), difúzne modely alebo generátory založené na transformátoroch. Termín je zloženinou slov deep learning (hlboké učenie) a fake (falošný) a vznikol v roku 2017 v online komunitách produkujúcich videá s výmenou tvárí generované umelou inteligenciou. Technológia sa odvtedy rozšírila naprieč rôznymi typmi médií a je teraz široko dostupná prostredníctvom nástrojov na spotrebiteľskej úrovni.

\n

Medzi bežné formy patria:

\n
    \n
  • Výmena tvárí: nahradenie tváre jednej osoby tvárou inej osoby vo videu\n
    • \n
  • Klonovanie hlasu: syntéza hlasu hovoriaceho z malej zvukovej vzorky\n
    • \n
  • Plne syntetické video: zábery generované umelou inteligenciou, ktoré zobrazujú ľudí, udalosti alebo scény, ktoré sa nikdy nestali\n
    • \n
  • Syntetická fotografia: umelou inteligenciou generované statické obrázky fiktívnych ľudí alebo udalostí\n
    • \n
  • Text-to-video a text-to-audio: generovanie médií na základe písomných podnetov\n
    • \n
\n

To, či deepfake predstavuje dezinformáciu, zavádzajúcu informáciu alebo falošnú informáciu, závisí od vedomostí a zámeru aktéra (→ informačný chaos), nie od samotnej techniky. Metódy deepfake sa tiež legitímne používajú vo filmovej produkcii, nástrojoch na zlepšenie prístupnosti (syntetické hlasy pre ľudí, ktorí stratili svoj hlas), dabingu, satire, vzdelávaní a umení.

\n

V porovnaní s lacnými falzifikátmi vyžadujú deepfake väčšiu technickú kapacitu na presvedčivú produkciu a môžu dosiahnuť vyšší vizuálny alebo zvukový realizmus. Nie sú však dominantnou formou mediálnej manipulácie vo verejnej diskusii — Paris a Donovan (2019) poznamenávajú, že jednoduchšie techniky lacných falzifikátov zostávajú bežnejšie a často majú väčší dosah. Detekcia je aktívnou oblasťou výskumu; súčasné prístupy kombinujú analýzu artefaktov, kontroly biologickej nekonzistentnosti a overovanie pôvodu (napr. overovanie obsahu C2PA).

\n
\n
\n\n
    \n
  • \nParis, B., & Donovan, J. (2019). Deepfakes and Cheap Fakes: The Manipulation of Audio and Visual Evidence\n. Data & Society Research Institute.https://datasociety.net/library/deepfakes-and-cheap-fakes/\n
    • \n
  • Chesney, R., & Citron, D. K. (2019). Deep fakes: Hroziaca výzva pre súkromie, demokraciu a národnú bezpečnosť. California Law Review, 107(6), 1753–1820.\n
    • \n
  • \nVaccari, C., & Chadwick, A. (2020). Deepfakes a dezinformácie: Skúmanie vplyvu syntetických politických videí na klamstvo, neistotu a dôveru v správy. Social Media + Society\n, 6(1), 1–13. https://doi.org/10.1177/2056305120903408\n
    • \n
\n
\n
\n
\n
\n\n

Nástroje na overovanie deepfakes:

\n
\n
\n
","UPDATEDAT":"2026-05-11T20:49:09.513Z","LANG":"sk","ID":"3a2e66d9-94a9-482d-a20b-3c977e896fa3","TITLE":"Dezinformácie a manipulácia","SOURCELANG":"en"}