GCRI · Labs
Laboratorio del futuro de los medios
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 sistemas, 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.
Cómo se desarrolla el trabajo.
Testbed operations
Future of media lab · Field lab coast · Campaign 3
Sensor deployment
litoral ilustrativo
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
Fig.Testbed 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 sistemas 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.
Stocks, flujos, retardos y un umbral de inflexión.
Dos stocks, la presión y la capacidad de adaptación, unidas por un bucle de crecimiento que se refuerza, una respuesta de equilibrio retardada y daños cuando la presión supera la capacidad; pasado el umbral, el sistema puede bascular. Modelo didáctico con valores ilustrativos declarados, no una predicción.
Controles
- Crecimiento de la presión
- 6,0 % al año
- Eficacia de la capacidad para reducir la presión
- 4,0 % al año
- Respuesta de la inversión a la presión percibida
- 20%
- Retraso de percepción
- 4.0 años
- Umbral de inflexión de la presión
- 60 índices
- Amplificación más allá del umbral
- 2,0 veces
- Años simulados
- 50 años
Lecturas
- Presión máxima
- 113 índices
- Capacidad al final
- Índice 186
- Años por encima del umbral
- 15,8 años
Cifras, métodos y fuentes
| Año | Presión | Capacidad | Percibido |
|---|---|---|---|
| 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 |
Métodos
- Dinámica de sistemas Forrester (1961), Industrial Dynamics, MIT Press; Sterman (2000), Business Dynamics
- Transiciones críticas y puntos de inflexión Scheffer and others (2009), Early-warning signals for critical transitions, Nature 461
- Diagrama de bucles causales Sterman (2000), Business Dynamics, McGraw-Hill
- Abanico de incertidumbre (Monte Carlo de parámetros) Spiegelhalter, Pearson y Short (2011), Visualising uncertainty about the future, Science 333
- Sensibilidad de un factor a la vez (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Datos
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.
En los seis pilares, bajo la dirección de Nexus Consortium
- Experimentos Labs en Labs
- Integrado en Labs en Foundry
- Probado en Labs en Universe
- Codificado en Datos y evidencia en Standards
- Publicado en Labs en Reports
- Se imparte en Facultad de Ciencia del Riesgo y Métodos en Academy
The media lab studies how risk information travels in each domain.
Findings feed the serie Labs Evidence. The UN Global Principles for Integridad de la Información (2024) frame the work.
- Media datasets under terms.
- Experiment proposals.
How future of media lab is modelled, measured and tested.
El modelo, sus supuestos, sus datos y su incertidumbre, en la forma en que un científico o un ingeniero los comprobaría. Las estructuras siguen métodos publicados. Los valores representados son ilustrativos, no hallazgos.
Modelo, ecuaciones y supuestos
The model structure used for future of media lab, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)amenaza, exposición, vulnerabilidad y capacidad de afrontamientoEAL = ∑k pk · Lksobre los eventos k con probabilidad anual pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Supuesto | Por qué se hace | Cómo se prueba |
|---|---|---|
| La amenaza y la exposición son independientes dentro de un evento | Mantiene manejable la integral de pérdidas | Comparar con un ajuste de cópula sobre registros conjuntos |
| Los acoplamientos son lineales cerca del punto de operación | Permite que las perturbaciones se propaguen a través de A | Perturbar más allá del rango lineal y comparar |
| Las curvas de vulnerabilidad se transfieren entre lugares | Las curvas locales rara vez están disponibles | Validar frente a las pérdidas observadas cuando existan |
- Entradas
- conjuntos de datos versionados con procedencia
- Resultados
- distribuciones, nunca cifras únicas
- Código
- publicado con la ficha de modelo y las pruebas
- Reproducción
- mismos datos, código, entorno y semilla
Qué se mide y con qué calidad.
Cada indicador lleva su unidad, su periodicidad, el tipo de fuente que lo respalda y la etiqueta de evidencia que llevaría un valor. No se muestran valores: un programa los aporta bajo su propia autoridad.
| Indicador | Unidad | Cadencia | Tipo de fuente | Etiqueta |
|---|---|---|---|---|
| Exposure to flagged content | proportion of impressions | por estudio | Platform researcher data access | OBSERVADO |
| Belief accuracy | proportion of true and false claims correctly rated | por estudio | Survey experiments | OBSERVADO |
| Truth discernment | difference between belief in true and false items | por estudio | Survey experiments | ESTIMADO |
| Trust in news | porcentaje de encuestados | anual | Audience surveys | NOTIFICADO |
| Provenance credential coverage | percent of published media carrying provenance data | anual | Publisher and platform audits | OBSERVADO |
| Local news coverage | news outlets per local area | anual | News outlet census | ESTIMADO |
| Researcher data access granted | count of approved access requests | anual | Informes de transparencia de las plataformas | DECLARADO |
De dónde procede la evidencia.
Conjuntos de datos públicos y registros institucionales identificados, cada uno con su tipo de licencia. Las fuentes obtenidas por acuerdo solo se utilizan conforme a sus condiciones y nunca se republican.
| Fuente | Lo que aporta | Tipo de licencia |
|---|---|---|
| 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 | Libre y abierta, con atribución |
| ClaimReview structured data (schema.org) | Structured fact checks published by verification organisations | Condiciones de uso |
Quién decide y a qué sirve la evidencia.
Laboratorios prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Quién decide | La pregunta | Evidencia a la que sirve esta página |
|---|---|---|
| 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 |
| Equipos de confianza y seguridad de las plataformas | 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 |
Productos que genera este tema
- Preregistered field and survey experiments on corrections, labels and prebunking
- Audit designs for ranking and recommender sistemas 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 sistemas 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.
Cómo se estudia y lo que los métodos no pueden decir.
- 01Inferencia causal y evaluación de impactoPilotos aleatorizados y despliegues escalonados · Evaluación cuasiexperimental de programasAplicado aquí
- 02Inteligencia artificial y aprendizaje automáticoCribado asistido para revisiones sistemáticas · Modelos sustitutos para guiar experimentosAplicado aquí
- 03Probabilidad y estadísticaPlanificación del tamaño muestral y la potencia · Metaanálisis con evaluación de sesgosAplicado aquí
- 04Cuantificación de la incertidumbre y validación de modelosPresupuestos de incertidumbre de medición · Análisis de sensibilidad de modelos de simulaciónAplicado aquí
Where this page’s references lead.
Los organismos y documentos con los que se lee esta página. El estado y las ediciones cambian; cada enlace lleva al organismo emisor.
Preguntas y respuestas.
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?
Aporte evidencia desde esta página.
serie 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.
- Correo electrónicoPasarela GW-GCRIEnvíelo desde esta páginaEvidencia, una corrección, un caso, un método, una revisión, una traducción o un aporte a un perfil. Llega etiquetado con esta página, de modo que lo recibe el editor responsable.
- ZenodoDepósito abiertoDeposítelo y envíelo a la comunidadPublique su propio registro en Zenodo con su ORCID iD y luego envíelo a la comunidad de Reports allí. Los curadores lo revisan; el DOI sigue siendo suyo.
- serie ReportsGCRIVer todas las formas de contribuirLos tipos de contribución, cómo se revisa cada uno, qué crédito recibe, la licencia y qué nunca se acepta.
No envíe nunca datos personales, detalles sensibles de infraestructura ni nada que no tenga derecho a compartir. Un aporte se revisa antes de su uso; enviarlo no confiere autoría ni derechos editoriales, y el patrocinio nunca compra un hallazgo.
Aporte un método, un conjunto de datos o una pregunta.
La información y las consultas están abiertas hoy. Una consulta recibe una referencia e indica el siguiente paso; las solicitudes, pagos, asignaciones de cómputo y registros solo se abren cuando existen su equipo, sus condiciones y la capacidad de revisión.
Documentos jurídicos.
Los mapas, datos y cifras de este sitio se muestran como contexto e información general. No son consejos, pronósticos ni avisos; los límites de la información se exponen en los Descargos de responsabilidad y los Avisos sobre datos.