AI辅助事实核查是否使在线多数群体不成比例地受益？

近年来，算法已被纳入事实核查流程。它们不仅用于标记先前已核查的虚假信息，还用于提供关于哪些趋势性声明应被优先核查的建议——这一范式被称为“可核查性（check-worthiness）”。虽然若干研究已考察了这些算法的准确性，但尚无研究调查这些算法带来的益处（通过减少虚假信息暴露）如何在各类在线社区中分配。在本文中，我们考察AI开发流程多个阶段中的多样性表征如何影响不同在线社区从AI辅助事实核查中获得的益处分配。我们使用我们新颖的议题感知、社区影响的Twitter（TACIT）模拟器在大型Twitter关注网络上进行信息传播的模拟，该模拟器经过调优以在多个议题上产生真实的真假信息传播级联。最后，使用模拟数据作为测试平台，我们实施了多种明确考虑多样性概念的算法事实核查干预措施。我们发现，用于对可核查性模型训练数据进行采样和标注的代表性和平等主义方法可能导致网络范围的益处集中于多数社区，而将多样性纳入事实核查者使用算法推荐的方式则可以主动减少多数与少数社区之间益处的 inequality。这些发现为社交媒体平台和事实核查组织围绕AI辅助事实核查的负责任实施的重要讨论作出了贡献。