Twitter arbeitet Berichten zufolge daran, drei neue Etiketten für Fehlinformationen hinzuzufügen, um die Verbreitung gefälschter Nachrichten einzudämmen.
Laut der App-Forscherin Jane Manchun Wong würden die drei neuen Labels „Get the Latest“, „Stay Informed“und „Irreführend“beinh alten. Wong hat am Montag einen Screenshot der Etikettenbeispiele getwittert, die sie gefunden hat.
Die Labels würden auch "Weitere Informationen"-Links enth alten, die den Benutzer wahrscheinlich entweder zu Informationen darüber führen würden, warum der Tweet markiert wurde, oder zu einer seriösen Quelle zu diesem Thema.
Während es neben dem, was Wong in ihrem Experiment geteilt hat, nur wenige Informationen gibt, sieht es so aus, als ob die neuen Labels dazu dienen sollen, die Verbreitung von Fehlinformationen und gefälschten Nachrichten auf der Plattform zu verlangsamen.
Twitter hat die neuen Labels noch nicht offiziell bestätigt oder wann Benutzer sie auf der Plattform sehen könnten, aber Lifewire hat sich an das soziale Netzwerk gewandt und bis zum jetzigen Zeitpunkt keine Antwort erh alten.
Die Plattform hat ihr Kennzeichnungssystem erweitert, seit sie die Funktion vor einigen Jahren für Tweets eingeführt hat. Derzeit zeigt Twitter unter anderem ein Label für Tweets, die synthetische und manipulierte Medien enth alten, Tweets, die möglicherweise irreführende Informationen über COVID-19-Impfstoffe enth alten, sowie Tweets mit umstrittenen oder unbestätigten Behauptungen.
Labels erscheinen immer unter einem Tweet. Je nach Kontext des Tweets und des Labels können sie auch einen Link zu öffentlichen Informationen, kuratierten Inh alten oder den offiziellen Regeln von Twitter enth alten.
Studien zeigen, dass Etiketten zur Überprüfung von Fakten wie die von Twitter funktionieren, aber nur, wenn sie rechtzeitig verwendet werden. Laut einer Studie von Anfang dieses Jahres mit dem Titel „Timing Matters When Correcting Fake News“machten Etiketten, die Menschen nach dem Lesen einer Überschrift gezeigt wurden, die Tatsache, dass eine Überschrift falsch war, etwas einprägsamer und reduzierten die Fehlklassifizierung dieser Überschriften um 25.3%.
