Skip to content

GCRI · Labs

미디어의 미래 연구실

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 시스템, 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.

문의하기 주제로 돌아가기
01캔버스

일이 진행되는 방식.

시스템 · 이 주제 주변예시

Testbed operations

Future of media lab · Field lab coast · Campaign 3

Sensors deployedGCRI · Labs

Sensor deployment

예시 해안선

Buoy관측소Gauge바다Bands: tidal rangeN

Sensors

S-01 tide950.3Nominal
S-04 salinity860.8Recalibrate
S-07 wave900.1Nominal

Sensor vs reference

Testbed operations: the screen’s structure, terms and states for Future of media lab.예시 이름과 예시 값으로, 실제 기록이나 운영 중인 시스템이 아닌 설계안입니다.

그림Testbed operations: example names and illustrative values, not a record or a live system.

02질문

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.

메커니즘

Amplification by design

Ranking 시스템 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.

메커니즘

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.

메커니즘

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.

메커니즘

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.

03시뮬레이터

저량, 유량, 지연, 그리고 티핑 임계값.

두 개의 저량, 압력과 적응 역량이라는 두 저량이 강화형 성장 순환, 지연된 균형 반응, 압력이 역량을 앞지를 때의 피해로 연결됩니다. 임계값을 넘으면 시스템은 급변할 수 있습니다. 명시된 예시 값을 쓰는 교육용 모형이며 예측이 아닙니다.

통제 수단

압력 증가
연 6.0%
압력을 줄이는 데 있어 역량의 효과
연 4.0%
인지된 압력에 대한 투자 반응
20%
인지 지연
4.0년
압력의 티핑 임계값
지수 60개
임계값 이후의 증폭
2.0배
모의 연수
50년

판독값

최대 압력
113 지수
마지막에 남는 역량
186 지수
임계값을 넘은 연수
15.8년
수치, 방법과 출처
연도압력역량인지된
020.050.020.0
423.344.921.2
827.242.224.0
1231.742.327.7
1636.845.532.2
2042.351.537.2
2447.960.342.6
2853.271.348.0
3257.884.353.1
3666.498.458.4
4082.7115.969.7
4497.8139.783.8
48109.1169.497.3

방법

  1. 시스템 다이내믹스 Forrester (1961), Industrial Dynamics, MIT Press; Sterman (2000), Business Dynamics
  2. 임계 전이와 티핑 포인트 Scheffer and others (2009), Early-warning signals for critical transitions, Nature 461
  3. 인과 순환 도표 Sterman (2000), Business Dynamics, McGraw-Hill
  4. 불확실성 팬(매개변수 몬테카를로) Spiegelhalter, Pearson and Short (2011), Visualising uncertainty about the future, Science 333
  5. 단일 요인 민감도(토네이도) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

데이터

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.

저량, 유량, 지연, 임계 전환점. 예시용 교육 모형으로, 측정 데이터가 아니라 조절 장치로 설정한 값에 따라 작동합니다. 방법: 시스템 다이내믹스(Forrester (1961), Industrial Dynamics, MIT Press; Sterman (2000), Business Dynamics), 임계 전이와 티핑 포인트(Scheffer and others (2009), Early-warning signals for critical transitions, Nature 461), 인과 순환 다이어그램(Sterman (2000), Business Dynamics, McGraw-Hill).

여섯 기둥 전반에 걸쳐, Nexus Consortium 주도

04In the five domains

The media lab studies how risk information travels in each domain.

Findings feed the Labs 증거 시리즈. The UN Global Principles for 정보 무결성 (2024) frame the work.

  • Media datasets under terms.
  • Experiment proposals.
05방법과 근거

How future of media lab is modelled, measured and tested.

모형, 그 가정, 데이터, 불확실성을 과학자나 엔지니어가 확인할 형태로 제시합니다. 구조는 발행된 방법을 따릅니다. 제시된 값은 예시이며 결과가 아닙니다.

모형, 방정식 및 가정

The model structure used for future of media lab, the assumptions it makes and how each is tested.

요소 i의 리스크Ri = f(Hi, Ei, Vi, Ci)재해, 노출, 취약성, 대처 역량
연간 기대 손실EAL = ∑k pk · Lk연간 확률이 pk
결합 시스템xt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
가정만드는 이유시험 방법
한 사건 안에서 재해와 노출은 서로 독립적임손실 적분을 다루기 쉽게 유지함결합 기록에 적합한 코퓰러와 비교
결합은 운전점 근처에서 선형이다충격이 A를 통해 전파되게 함선형 범위를 넘어 섭동을 주고 비교하십시오
취약성 곡선은 장소 간에 옮겨 쓸 수 있다지역 곡선은 거의 없다관측된 손실이 있는 곳에서는 이에 대해 검증
투입 자료
출처 정보가 있는 버전 관리 데이터세트
산출물
분포이며 결코 단일 숫자가 아님
코드
모델 카드 및 시험과 함께 공개
재현
같은 데이터, 코드, 환경과 시드
표준 리스크 및 상태공간 정식화로, 나열된 가정은 해당 방법에 일반적인 것이며 검토를 위해 명시한 것으로 결과가 아닙니다.
FAIR 지침 원칙 · GO FAIR와 FORCE11W3C PROV · 월드 와이드 웹 컨소시엄불확실성의 일관된 처리에 관한 지침 · IPCCCEOS 분석 준비 데이터(Analysis Ready Data) · 지구관측위성위원회
06지표

측정되는 것과 그 정확도.

각 지표에는 단위, 주기, 그 뒤의 출처 종류, 값에 붙을 근거 표시가 있습니다. 값은 표시하지 않습니다. 값은 프로그램이 자체 권한으로 제공합니다.

지표단위주기출처 유형라벨
Exposure to flagged contentproportion of impressions연구별Platform researcher data access관측
Belief accuracyproportion of true and false claims correctly rated연구별Survey experiments관측
Truth discernmentdifference between belief in true and false items연구별Survey experiments추정
Trust in news응답자 비율(%)연간Audience surveys보고됨
Provenance credential coveragepercent of published media carrying provenance data연간Publisher and platform audits관측
Local news coveragenews outlets per local area연간News outlet census추정
Researcher data access grantedcount of approved access requests연간플랫폼 투명성 보고서신고됨
07출처

근거의 출처.

이름이 명시된 공개 데이터셋과 기관 기록으로, 각각 라이선스 등급이 있습니다. 협약에 따른 출처는 그 조건에 따라서만 사용하며 결코 재게시하지 않습니다.

출처제공하는 것라이선스 등급
Reuters Institute Digital News Report (University of Oxford)Cross-national survey of news use, trust and platform relianceReport free access; data by request
Media Pluralism Monitor (European University Institute)Risks to media pluralism by country and areaOpen access, attribution
DSA Transparency Database (European Commission)Statements of reasons for content moderation decisions by platformsFree and open, EU reuse terms
Code of Conduct on Disinformation transparency centreSignatory reports on measures against disinformationFree access, terms of use
GDELT ProjectGlobal news event and tone records from monitored media무료 공개, 출처 표시
ClaimReview structured data (schema.org)Structured fact checks published by verification organisations이용 약관
08결정

누가 결정하며 근거는 무엇에 쓰이는지.

랩 prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.

결정 주체질문이 페이지가 제공하는 근거
Media and communications regulatorsWhether platform risk assessments and mitigation measures meet legal dutiesIndependent audits, transparency database records, researcher access evidence
Newsroom editors and publishersWhether to adopt a verification, labelling or provenance practiceField evaluations of the practice with audience and trust outcomes
플랫폼 신뢰·안전 팀Which interventions to deploy at scale and how to monitor side effectsRandomised evaluations with effects on accurate as well as false content
Public health and emergency communicatorsHow to issue warnings that reach, and are believed by, different audiencesReach, trust and comprehension evidence by audience group

이 주제가 생산하는 산출물

  • Preregistered field and survey experiments on corrections, labels and prebunking
  • Audit designs for ranking and recommender 시스템 under researcher access rules
  • Provenance and verification test protocols for synthetic media
  • Maps of local information gaps with sources stated
09핵심 질문

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 시스템 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?
10메커니즘과 동인

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.

11방법과 데이터

Research methods and their limits.

  1. 01

    Content and network analysis

    Mapping how material moves across accounts and platforms. Platform data access is restricted and changes, which limits replication.

  2. 02

    Survey and panel research

    Measuring trust, exposure and belief over time. Self-reports are imperfect and samples may miss key groups.

  3. 03

    Randomised experiments

    Testing labels, corrections and warning formats under ethics review. Laboratory effects may differ from real-world use.

  4. 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.

12방법

연구되는 방식과 방법이 말할 수 없는 것.

  1. 인과 추론과 영향 평가무작위 시범 사업과 단계적 도입 · 준실험적 프로그램 평가이곳에서의 적용
    정본 · STEM Commons
  2. 인공지능과 머신러닝체계적 문헌 고찰을 위한 보조 선별 · 실험을 이끄는 대리 모델이곳에서의 적용
    정본 · STEM Commons
  3. 확률과 통계표본 크기와 검정력 계획 · 편향 평가를 포함한 메타분석이곳에서의 적용
    정본 · STEM Commons
  4. 불확실성 정량화와 모델 검증측정 불확실성 예산 · 시뮬레이션 모델의 민감도 분석이곳에서의 적용
    정본 · STEM Commons
13Where this page’s references

Where this page’s references lead.

이 페이지를 읽을 때 기준이 되는 기구와 문서. 상태와 판은 바뀌며, 각 링크는 발행 기구로 연결됩니다.

14질문

질문과 답변.

Why not simply measure how much misinformation exists?
Because prevalence depends on definitions and sampling. Exposure, belief and behaviour are separate questions, and the evidence for each comes from different designs.
Do corrections work?
In experiments, corrections tend to reduce false beliefs, but effects vary, fade and do not always change behaviour. Field evidence with behavioural outcomes remains limited.
How do researchers get platform data?
Through platform programmes, legal routes such as the vetted researcher provisions of the EU Digital Services Act, and data donation by consenting users, each with its own conditions.
Does the lab rate news sources or decide what is true?
No. It studies how information systems work and tests interventions. It does not rate outlets or adjudicate content.
How does the lab handle harmful content in research?
Protocols are designed to minimise exposure, avoid redistributing harmful material and protect the people who study it.
Can a media organisation propose a study?
Yes, by enquiry. Any study proceeds under a published protocol with independent review.
보고서기여하기

이 페이지에서 증거를 기여하십시오.

보고서 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.

GCRI랩Labs 근거방법 및 기술

개인정보, 민감한 인프라 세부 정보, 공유할 권리가 없는 자료는 절대 보내지 마십시오. 기여물은 사용 전에 검토됩니다. 기여물을 보낸다고 해서 저작자 지위나 편집 권한이 부여되지 않으며, 후원으로 조사 결과를 얻을 수 없습니다.

랩

방법, 데이터세트 또는 질문을 가져오십시오.

정보와 문의는 오늘부터 열려 있습니다. 문의에는 참조 번호가 부여되고 다음 단계가 안내됩니다. 신청, 결제, 컴퓨팅 할당, 등록은 해당 팀, 약관, 심사 역량이 갖추어졌을 때만 열립니다.

방법 제안 모든 연락 경로 보기
법률

이 사이트의 지도, 데이터와 그림은 맥락과 일반 정보로 제시됩니다. 조언, 예보 또는 경보가 아니며, 정보의 한계는 면책 고지와 데이터 고지에 나와 있습니다.