GCRI · Labs
メディアの未来ラボ
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 システム, 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.
作業の進め方。
Testbed operations
Future of media lab · Field lab coast · Campaign 3
Sensor deployment
例示の海岸線
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
図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 システム 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.
ストック、フロー、遅れ、そして転換点の閾値。
二つのストック、圧力と 適応能力という 2 つのストックが、自己強化的な成長ループ、遅れて働く均衡化の反応、圧力が能力を上回ったときの損害で結ばれています。閾値を越えるとシステムは転換しえます。明示された例示値を使う教育用モデルであり、予測ではありません。
管理策
- 圧力の増大
- 年 6.0%
- 圧力を下げる上での能力の効果
- 年 4.0%
- 認識された圧力への投資の反応
- 20%
- 認知の遅れ
- 4.0 年
- 圧力の転換しきい値
- 60 指数
- 閾値を越えた後の増幅
- 2.0 倍
- シミュレーションした年数
- 50 年
読み取り値
- 最大圧力
- 113 指数
- 最後に残る能力
- 186 指数
- 閾値を超えた年数
- 15.8 年
数値、手法、出典
| 年 | 圧力 | 能力 | 知覚された |
|---|---|---|---|
| 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 |
手法
- システム・ダイナミクス Forrester (1961), Industrial Dynamics, MIT Press; Sterman (2000), Business Dynamics
- 臨界転移と転換点 Scheffer and others (2009), Early-warning signals for critical transitions, Nature 461
- 因果ループ図 Sterman (2000), Business Dynamics, McGraw-Hill
- 不確実性ファン（パラメータ・モンテカルロ） Spiegelhalter, Pearson and Short (2011)、Visualising uncertainty about the future、Science 333
- 一因子ずつの感度分析（トルネード図） Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
データ
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.
6 本の柱を通じて、Nexus Consortium が主導
- 実験 Labs における Labs
- 組み込み先 Foundry における Labs
- 検証場所 Universe における Labs
- 成文化先 Standards におけるデータとエビデンス
- 掲載先 Reports における Labs
- 開講先 Academy のリスク科学・手法学部
The media lab studies how risk information travels in each domain.
Findings feed the Labs Evidence series. The UN Global Principles for 情報の完全性 (2024) frame the work.
- Media datasets under terms.
- Experiment proposals.
How future of media lab is modelled, measured and tested.
モデル、その仮定、データ、不確実性を、科学者やエンジニアが確認する形で示します。構造は公表された手法に従っています。描かれた値は例示であり、知見ではありません。
モデル、方程式、仮定
The model structure used for future of media lab, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)ハザード、エクスポージャー、脆弱性、対処能力EAL = ∑k pk · Lk年間確率 pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| 仮定 | 作られる理由 | 検証の方法 |
|---|---|---|
| 一つの事象の中では、ハザードとエクスポージャーは独立している | 損失の積分を扱いやすく保つ | 同時記録に当てはめたコピュラと比較 |
| 結合は動作点の近くで線形である | ショックを A を通じて伝播させる | 線形範囲を超えて摂動を与えて比較する |
| 脆弱性曲線は場所を越えて適用できる | 地域固有の曲線はめったに得られない | 観測された損失がある場合はそれに照らして検証 |
- 入力
- 来歴付きのバージョン管理されたデータセット
- 成果物
- 分布であり、単一の数値ではない
- コード
- モデルカードと試験とともに公開
- 再現
- 同じデータ、コード、環境、シード
何を、どの程度うまく測定しているか。
各指標には、その単位、更新頻度、背後にある出典の種類、値が持つことになるエビデンスのラベルが付いています。値は表示しません：プログラムが自らの権限のもとで値を提供します。
| 指標 | 単位 | 周期 | 出典の種類 | ラベル |
|---|---|---|---|---|
| Exposure to flagged content | proportion of impressions | 研究ごと | Platform researcher data access | 観測 |
| Belief accuracy | proportion of true and false claims correctly rated | 研究ごと | Survey experiments | 観測 |
| Truth discernment | difference between belief in true and false items | 研究ごと | Survey experiments | 推定 |
| Trust in news | 回答者の割合（%） | 年次 | Audience surveys | 報告値 |
| Provenance credential coverage | percent of published media carrying provenance data | 年次 | Publisher and platform audits | 観測 |
| Local news coverage | news outlets per local area | 年次 | News outlet census | 推定 |
| Researcher data access granted | count of approved access requests | 年次 | プラットフォームの透明性報告書 | 申告済み |
エビデンスの出所。
名前の明示された公開データセットと機関の記録。それぞれにライセンス区分があります。合意に基づく出典は、その条件のもとでのみ使用し、再公開することはありません。
| 出典 | 提供するもの | ライセンス区分 |
|---|---|---|
| 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 | 無料かつオープン、帰属表示 |
| ClaimReview structured data (schema.org) | Structured fact checks published by verification organisations | 利用規約 |
誰が決め、エビデンスが何に役立つか。
ラボ prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| 誰が決定するか | 質問 | このページが提供するエビデンス |
|---|---|---|
| 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 |
| プラットフォームの信頼・安全チーム | 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 |
このトピックが生み出す成果物
- Preregistered field and survey experiments on corrections, labels and prebunking
- Audit designs for ranking and recommender システム 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 システム 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.
どのように研究され、手法が言えないことは何か。
Where this page’s references lead.
このページの読解の基準となる機関と文書。状態と版は変わります。各リンクは発行機関へ移動します。
質問と回答。
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?
このページからエビデンスを提供する。
報告書 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.
- メールゲートウェイ GW-GCRIこのページから送信するエビデンス、訂正、事例、手法、レビュー、翻訳、プロファイルへの入力。このページのタグが付いて届くため、担当の編集者が受け取ります。
- Zenodoオープンな寄託寄託してコミュニティに提出するORCID iD を使って Zenodo に自分の記録を公開し、そこから Reports コミュニティに提出してください。キュレーターが審査し、DOI は引き続きあなたのものです。
- 報告書GCRI貢献のすべての方法を見る貢献の種類、それぞれの審査方法、受け取るクレジット、ライセンス、決して受け付けないもの。
個人データ、重要インフラの機微な詳細、共有する権利のないものは決して送らないでください。寄稿は利用前にレビューされます。送付によって著作者としての権利や編集上の権利が生じることはなく、スポンサーシップで調査結果を買うことは決してできません。
手法、データセット、または問いを持ち込んでください。
情報提供と問い合わせは本日から受け付けています。問い合わせには参照番号が付き、次の手順が示されます。申請、支払い、計算資源の割り当て、登録は、担当チーム、規約、審査体制が整ってから開始します。
法的文書。
このサイトの地図、データ、図表は、背景と一般的な情報として示すものです。助言、予報、警報ではありません。情報の限界は免責事項とデータに関する注意事項に記載しています。