GCRI · Labs
تاقیگەی داهاتووی میدیا
Information ecosystems decide what people know about risk: which warnings reach them, which claims they believe and which institutions they trust. This lab studies news, platforms, recommender سیستەمە, synthetic media and verification practice, and tests media innovations before they scale. This page sets out how misinformation and information gaps develop and spread, how interventions are evaluated, and who decides on the evidence.
چۆن کارەکە بەڕێوە دەچێت.
Testbed operations
Future of media lab · Field lab coast · Campaign 3
Sensor deployment
هێڵی کەنارەی نموونەیی
Sensors
| S-01 tide | 95 | 0.3 | Nominal |
| S-04 salinity | 86 | 0.8 | Recalibrate |
| S-07 wave | 90 | 0.1 | Nominal |
Sensor vs reference
وێنەTestbed operations: example names and illustrative values, not a record or a live system.
Future of media lab: how the risk develops.
Information ecosystems and responsible media innovation. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Amplification by design
Ranking سیستەمە optimise for engagement, and content that provokes strong reactions can travel further. Small changes in ranking rules alter what large audiences see, which makes platform design a research object in its own right.
Synthetic media lowers the cost of deception
Generated images, audio and video can impersonate people and events cheaply. Provenance standards and detection help, but neither is complete, and the existence of fakes also lets genuine evidence be dismissed.
News deserts and trust gaps
Where local journalism closes, fewer sources report on councils, courts and hazards. Gaps are filled by rumour or partisan content, and trust in institutions shapes how warnings are received when they arrive.
Interventions can backfire
Labels, corrections, prebunking and friction aim to reduce false beliefs. Effects measured in surveys may fade, may not change behaviour, or may raise scepticism of accurate content too, which is why field evaluation matters.
کۆگا، ڕەوت، دواکەوتن و ئاستی هەڵگەڕانەوە.
دوو کۆگا، فشار و توانای گونجان، بە خولی گەشەی بەهێزکەر، وەڵامدانەوەی هاوسەنگکەری دواکەوتوو و زیان کاتێک گوشار لە توانا تێدەپەڕێت پێکەوە بەستراون؛ لە ئاستەکە تێپەڕ سیستەمەکە دەتوانێت هەڵبگەڕێتەوە. مۆدێلی فێرکاری بە بەهای نموونەیی ڕاگەیەندراو، نەک پێشبینی.
کۆنترۆڵەکان
- زیادبوونی گوشار
- 6.0% لە ساڵێکدا
- کاریگەریی توانا لە کەمکردنەوەی فشار
- 4.0% لە ساڵێکدا
- وەڵامدانەوەی وەبەرهێنان بۆ گوشاری هەستپێکراو
- 20%
- دواکەوتنی هەستپێکردن
- 4.0 ساڵ
- ئاستی هەڵگەڕانەوەی گوشار
- ئیندێکسی 60
- زیادبوون لە ئاستەکە تێپەڕ
- 2.0 جار
- ساڵی ئەزموونکراو
- 50 ساڵ
خوێندنەوەکان
- بەرزترین گوشار
- 113 نیشاندەر
- توانا لە کۆتاییدا
- ئیندێکسی 186
- ساڵانی سەرووی ئاستەکە
- 15.8 ساڵ
ژمارە، ڕێگا و سەرچاوەکان
| ساڵ | گوشار | توانا | هەستپێکراو |
|---|---|---|---|
| 0 | 20.0 | 50.0 | 20.0 |
| 4 | 23.3 | 44.9 | 21.2 |
| 8 | 27.2 | 42.2 | 24.0 |
| 12 | 31.7 | 42.3 | 27.7 |
| 16 | 36.8 | 45.5 | 32.2 |
| 20 | 42.3 | 51.5 | 37.2 |
| 24 | 47.9 | 60.3 | 42.6 |
| 28 | 53.2 | 71.3 | 48.0 |
| 32 | 57.8 | 84.3 | 53.1 |
| 36 | 66.4 | 98.4 | 58.4 |
| 40 | 82.7 | 115.9 | 69.7 |
| 44 | 97.8 | 139.7 | 83.8 |
| 48 | 109.1 | 169.4 | 97.3 |
میتۆدەکان
- دینامیکی سیستەم Forrester (1961)، Industrial Dynamics، MIT Press؛ Sterman (2000)، Business Dynamics
- گۆڕانی ڕەخنەگرانە و خاڵەکانی هەڵگەڕانەوە Scheffer و ئەوانی دیکە (2009)، Early-warning signals for critical transitions، Nature 461
- هێڵکاری خولگەی هۆکاری Sterman (2000)، Business Dynamics، McGraw-Hill
- پەنجەی نادڵنیایی (مۆنتی کارلۆی پارامیتەر) Spiegelhalter, Pearson و Short (2011)، Visualising uncertainty about the future، Science 333
- هەستیاریی یەک-یەک (تۆرناد) Saltelli و ئەوانی دیکە (2008)، Global Sensitivity Analysis: The Primer، Wiley
داتا
No observed data enters this model: it runs on the teaching values set by the controls, to be replaced with a programme’s own evidence.
لە ناو شەش کۆڵەکەکەدا، بە سەرپەرشتیی Nexus Consortium
- تاقیکردنەوەکان Labs لە Labs
- تێدا دروستکراوە Labs لە Foundry
- تاقیکراوەتەوە لە Labs لە Universe
- کۆدکراوە لە داتا و بەڵگە لە Standards
- بڵاوکراوەتەوە لە Labs لە Reports
- فێرکراو لە کۆلێژی زانستی مەترسی و ڕێگاکان لە Academy
The media lab studies how risk information travels in each domain.
Findings feed the زنجیرەی Labs Evidence. The UN Global Principles for Information Integrity (2024) frame the work.
- Media datasets under terms.
- Experiment proposals.
How future of media lab is modelled, measured and tested.
مۆدێلەکە، گریمانەکانی، داتاکانی و نادڵنیاییەکەی، بەو شێوەیەی زانا یان ئەندازیارێک دەیپشکنێت. پێکهاتەکان ڕێگا بڵاوکراوەکان دەگرنەبەر. بەهاکانی کێشراو نموونەییە، نەک دۆزینەوە.
مۆدێل، هاوکێشەکان و گریمانەکان
The model structure used for future of media lab, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)مەترسیدەر، ڕووبەڕووبوون، لاوازی و توانای مامەڵەکردنEAL = ∑k pk · Lkبەسەر ڕووداوەکانی k بە ئەگەری ساڵانەی pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| گریمانە | بۆچی دروست دەکرێت | چۆن تاقی دەکرێتەوە |
|---|---|---|
| مەترسیدەر و ڕووبەڕووبوون لە ناو پێشهاتێکدا سەربەخۆن | ئینتێگراڵی زیان بە ئاسانی دەهێڵێتەوە | بەراورد بکە لەگەڵ گونجاندنی کۆپیولا لەسەر تۆمارە هاوبەشەکان |
| هاوبەستییەکان لە نزیک خاڵی کارکردن هێڵین | ڕێگە دەدات شۆکەکان بڵاو ببنەوە لە A | لە دەرەوەی مەودای هێڵیی شڵەژێنە و بەراورد بکە |
| چەمکەکانی لاوازی لە شوێنێکەوە بۆ شوێنێکی تر دەگوازرێنەوە | چەمکی ناوخۆیی بە دەگمەن بەردەستە | لەگەڵ زیانە چاودێریکراوەکان پشتڕاستی بکەرەوە کە هەن |
- تێکردنەکان
- کۆمەڵە داتای وەشانکراو لەگەڵ ڕەسەنایەتی
- دەرچووەکان
- دابەشبوون، نەک یەک ژمارە
- کۆد
- بڵاوکراوەتەوە لەگەڵ کارتی مۆدێل و تاقیکردنەوەکان
- بەرهەمهێنانەوە
- هەمان داتا، کۆد، ژینگە و تۆو
What is measured, and how well.
Each indicator carries its unit, its cadence, the kind of source behind it and the evidence label a value would carry. No values are shown: a programme supplies them under its own authority.
| Indicator | Unit | Cadence | Source type | ناونیشان |
|---|---|---|---|---|
| Exposure to flagged content | proportion of impressions | per study | Platform researcher data access | چاودێریکراو |
| Belief accuracy | proportion of true and false claims correctly rated | per study | Survey experiments | چاودێریکراو |
| Truth discernment | difference between belief in true and false items | per study | Survey experiments | مەزەندەکراو |
| Trust in news | percent of respondents | annual | Audience surveys | REPORTED |
| Provenance credential coverage | percent of published media carrying provenance data | annual | Publisher and platform audits | چاودێریکراو |
| Local news coverage | news outlets per local area | annual | News outlet census | مەزەندەکراو |
| Researcher data access granted | count of approved access requests | annual | Platform transparency reports | DECLARED |
Where the evidence comes from.
Named public datasets and institutional records, each with its licence class. Sources by agreement are used only under their terms and never republished.
| سەرچاوە | What it gives | Licence class |
|---|---|---|
| Reuters Institute Digital News Report (University of Oxford) | Cross-national survey of news use, trust and platform reliance | Report free access; data by request |
| Media Pluralism Monitor (European University Institute) | Risks to media pluralism by country and area | Open access, attribution |
| DSA Transparency Database (European Commission) | Statements of reasons for content moderation decisions by platforms | Free and open, EU reuse terms |
| Code of Conduct on Disinformation transparency centre | Signatory reports on measures against disinformation | Free access, terms of use |
| GDELT Project | Global news event and tone records from monitored media | Free and open, attribution |
| ClaimReview structured data (schema.org) | Structured fact checks published by verification organisations | مەرجەکانی بەکارهێنان |
Who decides, and what the evidence serves.
Labs prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| کێ بڕیار دەدات | The question | Evidence this page serves |
|---|---|---|
| Media and communications regulators | Whether platform risk assessments and mitigation measures meet legal duties | Independent audits, transparency database records, researcher access evidence |
| Newsroom editors and publishers | Whether to adopt a verification, labelling or provenance practice | Field evaluations of the practice with audience and trust outcomes |
| Platform trust and safety teams | Which interventions to deploy at scale and how to monitor side effects | Randomised evaluations with effects on accurate as well as false content |
| Public health and emergency communicators | How to issue warnings that reach, and are believed by, different audiences | Reach, trust and comprehension evidence by audience group |
Outputs this topic produces
- Preregistered field and survey experiments on corrections, labels and prebunking
- Audit designs for ranking and recommender سیستەمە under researcher access rules
- Provenance and verification test protocols for synthetic media
- Maps of local information gaps with sources stated
What experts ask about information ecosystems.
- How do accurate and inaccurate claims spread, and what slows each?
- Which sources do different communities trust during an emergency, and why?
- How do recommendation سیستەمە and platform design shape what people see?
- Which corrections, labels or warnings change belief or behaviour, and for how long?
- How can synthetic media be detected, and what are the limits of detection?
How information systems behave and fail.
Information spreads through networks of people and platforms. Network science shows that a few highly connected nodes can make diffusion fast and that clustering can create communities where some claims circulate and others do not. Platform design adds feedback: content that draws engagement is shown more, and engagement does not track accuracy.
Trust is a central variable. During disasters and health emergencies, people combine authority warnings with what they hear from family, local leaders and online sources. Where trust in institutions is low, accurate warnings may be ignored and rumours fill the gap. Misinformation, shared in error, and disinformation, shared deliberately, have different drivers and call for different responses.
Generative AI lowers the cost of producing convincing text, images, audio and video. This affects both the volume of misleading content and the credibility of genuine evidence, which can be dismissed as fabricated.
Research methods and their limits.
- 01
Content and network analysis
Mapping how material moves across accounts and platforms. Platform data access is restricted and changes, which limits replication.
- 02
Survey and panel research
Measuring trust, exposure and belief over time. Self-reports are imperfect and samples may miss key groups.
- 03
Randomised experiments
Testing labels, corrections and warning formats under ethics review. Laboratory effects may differ from real-world use.
- 04
Detection evaluation
Testing tools that identify synthetic media, using machine learning methods. Detection is an arms race and accuracy declines as generators improve.
Research on information is itself sensitive. The lab is designed to protect participant privacy, avoid amplifying harmful content and respect freedom of expression.
How it is studied, and what the methods cannot say.
- 01دەرهێنانی هۆکاری و هەڵسەنگاندنی کاریگەریRandomised pilots and stepped rollouts · Quasi-experimental programme evaluationApplied here
- 02زیرەکی دەستکرد و فێربوونی ماشێنAssisted screening for systematic reviews · Surrogate models to guide experimentsApplied here
- 03ئەگەر و ئامارSample size and power planning · Meta-analysis with bias assessmentApplied here
- 04ژماردنی نادڵنیایی و پشتڕاستکردنەوەی مۆدێلMeasurement uncertainty budgets · Sensitivity analysis of simulation modelsApplied here
Where this page’s references lead.
ئەو لەش و بەڵگەنامانەی ئەم لاپەڕەیەیان لەگەڵ دەخوێنرێتەوە. دۆخ و وەشانەکان دەگۆڕێن؛ هەر بەستەرێک دەچێتە لای لەشی دەرکەر.
پرسیار و وەڵام.
Why not simply measure how much misinformation exists?
Do corrections work?
How do researchers get platform data?
Does the lab rate news sources or decide what is true?
How does the lab handle harmful content in research?
Can a media organisation propose a study?
لەم لاپەڕەیەوە بەڵگە پێشکەش بکە.
Reports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- ئیمەیڵدەروازەی GW-GCRIلەم لاپەڕەیەوە بینێرەبەڵگە، ڕاستکردنەوە، بابەت، ڕێگا، پێداچوونەوە، وەرگێڕان یان تێکردنی پڕۆفایل. بە نیشانەی ئەم لاپەڕەیە دەگات، بۆ ئەوەی دەستکاریکەری خاوەنەکەی وەریبگرێت.
- Zenodoتەکیەی کراوەدایبنێ و بیدە بە کۆمەڵگاتۆماری خۆت لە Zenodo بە ORCID iD ی خۆت بڵاو بکەرەوە، پاشان لەوێ بیدە بە کۆمەڵگای Reports. سەرپەرشتیارەکان پێداچوونەوەی بۆ دەکەن؛ DOI هەر هی تۆیە.
- ReportsGCRIهەموو ڕێگاکانی بەشداری ببینەجۆرەکانی بەشداری، هەریەکە چۆن پێداچوونەوەی بۆ دەکرێت، چ ناوبردنێک وەردەگریت، مۆڵەتەکە و ئەوەی هەرگیز وەرناگیرێت.
هەرگیز داتای کەسی، وردەکاریی هەستیاری ژێرخان یان هیچ شتێک مەنێرە کە مافی بڵاوکردنەوەت نییە. بەشدارییەک پێش بەکارهێنان پێداچوونەوەی بۆ دەکرێت؛ ناردنی ماف نابەخشێت بە نووسەرایەتی یان بەڕێوەبردنی ڕاگەیاندن، و پاڵپشتی دارایی هەرگیز دۆزینەوەیەک ناکڕێت.
ڕێگایەک، کۆمەڵە داتایەک یان پرسیارێک بهێنە.
زانیاری و پرسیار ئەمڕۆ کراوەن. پرسیارێک ژمارەی ئاماژەی پێدەدرێت و هەنگاوی دواتر دیاری دەکات؛ داواکاری، پارەدان، تەرخانکردنی کۆمپیوتەر و تۆمارکردن تەنیا کاتێک دەکرێنەوە کە تیم، مەرج و توانای پێداچوونەوەیان هەبێت.
بەڵگەنامە یاساییەکان.
نەخشە، داتا و وێنەکانی ئەم ماڵپەڕە بۆ ناوەڕۆک و زانیاریی گشتی پیشان دراون. ئامۆژگاری، پێشبینی یان ئاگادارکردنەوە نین؛ سنوورەکانی زانیارییەکە لە ڕەتکردنەوەی بەرپرسیارێتی و ئاگاداریی داتادا دەستنیشان کراون.