GCRI · Labs
Laboratório do futuro dos media
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.
Como decorre o trabalho.
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, fluxos, atrasos e um limiar de rutura.
Dois stocks, a pressão e a capacidade de adaptação, ligados por um ciclo de crescimento que se reforça, uma resposta de equilíbrio com atraso e danos quando a pressão ultrapassa a capacidade; para lá do limiar, o sistema pode bascular. Modelo didático com valores ilustrativos declarados, não uma previsão.
Controles
- Crescimento da pressão
- 6,0% ao ano
- Eficácia da capacidade na redução da pressão
- 4,0% ao ano
- Resposta do investimento à pressão percebida
- 20%
- Atraso de perceção
- 4.0 anos
- Limiar de rutura da pressão
- 60 índices
- Amplificação para lá do limiar
- 2,0 vezes
- Anos simulados
- 50 anos
Leituras
- Pressão máxima
- 113 índices
- Capacidade no final
- Índice 186
- Anos acima do limiar
- 15,8 anos
Números, métodos e fontes
| Ano | Pressão | Capacidade | Percebido |
|---|---|---|---|
| 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
- Dinâmica de sistemas Forrester (1961), Industrial Dynamics, MIT Press; Sterman (2000), Business Dynamics
- Transições críticas e pontos de rutura Scheffer and others (2009), Early-warning signals for critical transitions, Nature 461
- Diagrama de ciclos causais Sterman (2000), Business Dynamics, McGraw-Hill
- Leque de incerteza (Monte Carlo de parâmetros) Spiegelhalter, Pearson e Short (2011), Visualising uncertainty about the future, Science 333
- Sensibilidade de um fator de cada vez (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Dados
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.
Nos seis pilares, sob a liderança do Nexus Consortium
- Experimentos Labs em Labs
- Integrado Labs em Foundry
- Testado em Labs em Universe
- Codificado em Dados e evidências em Standards
- Publicado em Labs em Reports
- Ensinado em Faculdade de Ciência do Risco e Métodos em Academy
The media lab studies how risk information travels in each domain.
Findings feed the série Labs Evidence. The UN Global Principles for Integridade da Informação (2024) frame the work.
- Media datasets under terms.
- Experiment proposals.
How future of media lab is modelled, measured and tested.
O modelo, os seus pressupostos, os seus dados e a sua incerteza, na forma que um cientista ou engenheiro verificaria. As estruturas seguem métodos publicados. Os valores representados são ilustrativos, não conclusões.
Modelo, equações e pressupostos
The model structure used for future of media lab, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)ameaça, exposição, vulnerabilidade e capacidade de enfrentamentoEAL = ∑k pk · Lksobre os eventos k com probabilidade anual pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Pressuposto | Porque é feito | Como é testado |
|---|---|---|
| A ameaça e a exposição são independentes dentro de um evento | Mantém tratável o integral de perdas | Comparar com um ajuste de cópula sobre registros conjuntos |
| Os acoplamentos são lineares perto do ponto de funcionamento | Permite que os choques se propaguem através de A | Perturbar para além do intervalo linear e comparar |
| As curvas de vulnerabilidade transferem-se entre lugares | As curvas locais raramente estão disponíveis | Validar face às perdas observadas quando existam |
- Entradas
- conjuntos de dados versionados com proveniência
- Resultados
- distribuições, nunca números isolados
- Código
- publicado com a ficha de modelo e os testes
- Reprodução
- mesmos dados, código, ambiente e semente
O que é medido e com que qualidade.
Cada indicador leva sua unidade, sua periodicidade, o tipo de fonte por trás dele e a etiqueta de evidência que um valor levaria. Nenhum valor é mostrado: um programa os fornece sob sua própria autoridade.
| Indicador | Unidade | Cadência | Tipo de fonte | Rótulo |
|---|---|---|---|---|
| Exposure to flagged content | proportion of impressions | por estudo | Platform researcher data access | OBSERVADO |
| Belief accuracy | proportion of true and false claims correctly rated | por estudo | Survey experiments | OBSERVADO |
| Truth discernment | difference between belief in true and false items | por estudo | Survey experiments | ESTIMADO |
| Trust in news | porcentagem de respondentes | anual | Audience surveys | REPORTADO |
| 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 | Relatórios de transparência das plataformas | DECLARADO |
De onde vêm as evidências.
Conjuntos de dados públicos nomeados e registros institucionais, cada um com sua classe de licença. As fontes obtidas por acordo só são usadas nos seus termos e nunca são republicadas.
| Fonte | O que oferece | Classe de licença |
|---|---|---|
| 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 | Livre e aberto, atribuição |
| ClaimReview structured data (schema.org) | Structured fact checks published by verification organisations | Termos de uso |
Quem decide, e a que servem as evidências.
Laboratórios prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Quem decide | A pergunta | Evidências a que esta página serve |
|---|---|---|
| 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 |
| Equipes de confiança e segurança das 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 |
Produtos que este tema gera
- 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.
Como é estudado e o que os métodos não podem dizer.
- 01Inferência causal e avaliação de impactoPilotos randomizados e implantações escalonadas · Avaliação quase experimental de programasAplicado aqui
- 02Inteligência artificial e aprendizado de máquinaTriagem assistida para revisões sistemáticas · Modelos substitutos para orientar experimentosAplicado aqui
- 03Probabilidade e estatísticaPlanejamento do tamanho amostral e do poder estatístico · Metanálise com avaliação de viesesAplicado aqui
- 04Quantificação da incerteza e validação de modelosOrçamentos de incerteza de medição · Análise de sensibilidade de modelos de simulaçãoAplicado aqui
Where this page’s references lead.
Os organismos e documentos à luz dos quais esta página é lida. O estado e as edições mudam; cada ligação leva ao organismo emissor.
Perguntas e respostas.
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?
Contribua com evidências a partir desta página.
Relatórios 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.
- E-mailPortal GW-GCRIEnvie desta páginaEvidência, uma correção, um caso, um método, uma revisão, uma tradução ou uma contribuição ao perfil. Chega marcada com esta página, de modo que o editor responsável a receba.
- ZenodoDepósito abertoDeposite-o e envie à comunidadePublique seu próprio registro no Zenodo com seu ORCID iD e depois envie-o à comunidade Reports ali. Os curadores o revisam; o DOI continua sendo seu.
- RelatóriosGCRIVer todas as formas de contribuirOs tipos de contribuição, como cada um é revisado, o crédito que você recebe, a licença e o que nunca é aceito.
Nunca envie dados pessoais, detalhes sensíveis de infraestrutura nem nada que você não tenha o direito de compartilhar. Uma contribuição é revisada antes do uso. Enviá-la não confere autoria nem direitos editoriais, e o patrocínio nunca compra uma constatação.
Traga um método, um conjunto de dados ou uma pergunta.
A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.
Documentos jurídicos.
Os mapas, dados e números deste site são apresentados como contexto e informação geral. Não são aconselhamento, previsões nem avisos; os limites da informação estão expostos nos Avisos legais e nos Avisos sobre dados.