The aim of this study is to examine perceptions among civics teachersactive in upper primary and secondary schools in Sweden regardingdisinformation. In particular, the study focuses on ways in which disinformation inthe classroom interacts with media literacy as well as deliberative democraticideals. The study design is based in qualitative research and has been conductedthrough a series of interviews with said teachers, analyzed mainly through thetheory of deliberative democracy with focus also on media literacy. In terms ofresults, perceptions among teachers on the subject of disinformation generally linesup with established research in the fields of disinformation, deliberativedemocracy and media literacy. In particular, teachers of both primary andsecondary school in my sample calls for increased efforts when it comes to medialiteracy as the modern digital media landscape calls for extensive knowledge andskill in discerning credible sources from fake news. / <p>21-01-20</p>

Der (radikale) Konstruktivismus scheint auf den ersten Blick kein Kandidat für ideologiekritische Forschung. Wenn man sich jedoch nicht vorschnell von der Kritik am Konstruktivismus beeindrucken lässt, kann dessen erkenntniskritisches Potenzial herausgearbeitet werden. Am Beispiel von Fake News wird deutlich, dass deren Kritik nicht epistemologisch naiv von der Dichotomie Richtigkeit vs. Falschheit von Informationen und Tatsachenbehauptungen ausgehen kann, sondern eine differenziertere Argumentation erfordert. Diese Forderung wird konstruktivistisch eingelöst und abschließend kritisch geprüft.

The phenomenon of fake news has a significant impact on our social life, especially in the political world. Fake news detection is an emerging area of research. The sharing of infor-mation on the Web, primarily through Web-based online media, is increasing. The ability to identify, evaluate, and process this information is of great importance. Deliberately created disinformation is being generated on the Internet, either intentionally or unintentionally. This is affecting a more significant segment of society that is being blinded by technology. This paper illustrates models and methods for detecting fake news from news articles with the help of machine learning and natural language processing. We study and compare three different feature extraction techniques and seven different machine classification techniques. Different feature engineering methods such as TF, TF-IDF, and Word2Vec are used to gener-ate feature vectors in this proposed work. Even different machine learning classification al-gorithms were trained to classify news as false or true. The best algorithm was selected to build a model to classify news as false or true, considering accuracy, F1 score, etc., for com-parison. We perform two different sets of experiments and finally obtain the combination of fake news detection models that perform best in different situations.

The work is based on the increasing absence of local journalism, that continue to grow in rural areas and in suburbs to large cities. The consequences are so-called white spots or news desserts, areas with weak or with out any journalistic presence at all. Disappearing advertising revenues and attempts to get readers to become paying subscribers, in order to survive as a local newspaper, place limits on both time and resources.  The difficulty of reaching out to young adults in age 25 - 39 with local journalism, grows and news agencies are working hard to find a solution. The lack of time and resources make it difficult for journalists to address schools. Children’s insight into their parents’ media habits are also disappearing as the newspaper moving into digital platforms. Today’s children and youths are therefore in risk of growing up without relation to the local media. This project put focus on the children. The work contains a process that has led to a concept, that aims to create a strong and early relationship with local media. The project resulted in an application for children, where they have the opportunity to enter the role of a journalist, to create, choose and assemble their own news together with friends. The start of the activity will take place within the school. Where the student learns about source criticism, press ethics, editing, the journalist’s responsibility and what distinguishes journalism from other communication. The learning element runs parallel to a playful approach to increase the student’s motivation and engagement. The concept aims at a collaboration between local media and students. / Arbetet grundar sig i den ökande frånvaron av lokal journalistik, som vi ser växa fram på landsbygd och i förorter till storstäder. Konsekvenserna blir så kallade vita fläckar, områden med svag eller helt utan journalistisk närvaro. Försvinnande annonsintäkter och försöken till att få läsarna att bli betalande prenumeranter, för att överleva som lokal tidning, sätter begränsningar på såväl tid som resurser. Att nå ut till unga vuxna ålder: 25-39 med lokal journalistik, är en problematik som växer sig allt större och nyhetsbyråerna arbetar febrilt för att finna en lösning. Lite tid och bristande resurser gör det svårt för journalister att hinna ut till skolor och barns insyn i föräldrarnas medievanor är liten då papperstidningen flyttat in i mobilen. Dagens barn och ungdomar riskerar därför att växa upp helt utan eller med en mycket svag anknytning till lokala medier och dess varumärke. Det här projektet fokuserar på barnen. Arbetet innehåller en process som lett fram till ett koncept, som syftar på att skapa en stark och tidig relation till lokala medier. Projektet resulterade i en applikation för barn, där de har möjligheten att gå in i rollen som journalist för att skapa, välja ut och färdigställa sina egna nyheter tillsammans med vänner. Aktivitetens startpunkt kommer ske inom skolan, där eleven lär sig om källkritik, pressetik, redaktörskap, journalistens ansvar och vad som skiljer journalistik från övrig kommunikation. Lärandemoment löper parallellt med lekfullhet som ska öka elevens motivation och engagemang. Konceptet syftar på att vara ett samarbete mellan lokala medier och elever.

Trovärdighet – en allt viktigare del att upprätthålla för journalister då falska nyheter blir vanligare. På senare tid har begreppet fake news används frekvent, speciellt i nyheter angående amerikanska presidentvalet 2017. Det blir således intressant att undersöka hur journalister arbetar för trovärdighet och hur läsare upplever den. Detta är en kvalitativ studie som undersöker hur journalister arbetar med trovärdighet i flerkanalspublicering på två lokala nyhetsredaktioner. Uppsatsen tar även upp hur journalister arbetar med sina kollegor för att öka trovärdigheten vid flerkanalspublicering. Journalisterna som har intervjuats för uppsatsen har flera års erfarenhet av nyhetspublicering i lokala sammanhang. Uppsatsen undersöker även läsare av de lokala nyhetsredaktionerna som interagerar med journalisterna på sociala medier. Slutsatsen är att journalisterna tar trovärdighet på allvar. Majoriteten av journalisterna anser att nyheter ska innehålla underbyggda fakta, äkthet och ett korrekt språk. Journalisterna arbetar på ett tydligt sätt tillsammans för att skapa en hög trovärdighet men har även olika tillvägagångssätt i hur de arbetar med läsarna på sociala plattformar. Detta kan bekräftas av läsarnas erfarenhet av interaktion med journalisterna, dock är läsarna av åsikten att trovärdighet skapas via närvaro i sociala medier där journalisten är beredd att bemöta sina läsare men även rimliga rubriksättningar är avgörande för trovärdigheten. / Credibility - an increasingly important part to maintain for journalists as fake news becomes more common. Recently, the term fake news has been used frequently, especially in news about the US presidential election in 2017. Thus, it becomes interesting to investigate how journalists work for credibility and how readers perceive it. This is a qualitative study that investigates how journalists work with credibility in multi-channel publishing on two local news releases. The essay also addresses how journalists work with their colleagues to increase the credibility of multi-channel publishing. The journalists interviewed for the paper have several years of experience in publishing news in local contexts. The essay also examines readers of local news editors that interact with journalists on social media. The conclusion is that the journalists take credibility seriously. The majority of journalists believe that news should contain substantiated facts, authenticity and a correct language. The journalists work in a clear way together to create high credibility, but also have different approaches to how they work with readers on social platforms. This can be confirmed by readers' experience of interaction with journalists, but readers believe that credibility is created through presence in social media where journalists are prepared to respond to their readers, but even reasonable rankings are crucial to credibility.

Fake news detection gained an interest in recent years. This made researchers try to findmodels that can classify text in the direction of fake news detection. While new modelsare developed, researchers mostly focus on the accuracy of a model. There is little researchdone in the subject of explainability of Neural Network (NN) models constructed for textclassification and fake news detection. When trying to add a level of explainability to aNeural Network model, allot of different aspects have to be taken under consideration.Text length, pre-processing, and complexity play an important role in achieving successfully classification. Model’s architecture has to be taken under consideration as well. Allthese aspects are analyzed in this thesis. In this work, an analysis of attention weightsis performed to give an insight into NN reasoning about texts. Visualizations are usedto show how 2 models, Bidirectional Long-Short term memory Convolution Neural Network (BIDir-LSTM-CNN), and Bidirectional Encoder Representations from Transformers(BERT), distribute their attentions while training and classifying texts. In addition, statistical data is gathered to deepen the analysis. After the analysis, it is concluded thatexplainability can positively influence the decisions made while constructing a NN modelfor text classification and fake news detection. Although explainability is useful, it is nota definitive answer to the problem. Architects should test, and experiment with differentsolutions, to be successful in effective model construction.

Med deepfake-teknologi kan det skapas manipulerade videor där det produceras falska bilder och ljud som framställs vara verkliga. Deepfake-teknologin förbättras ständigt och det kommer att bli svårare att upptäcka manipulerade videor online. Detta kan innebära att en stor del mediekonsumenter omedvetet exponeras för tekniken när de använder sociala medier. Studiens syfte är att undersöka unga vuxnas medvetenhet, synsätt och påverkan av deepfake videor. Detta eftersom deepfake-teknologin förbättras årligen och problemen med tekniken växer samt kan få negativa konsekvenser i framtiden om den utnyttjas på fel sätt. Insamlingen av det empiriska materialet skedde genom en kvantitativ metod i form av en webbenkät och en kvalitativ metod med tre fokusgrupper. Slutsatsen visade på att det finns ett större antal unga vuxna som inte är medvetna om vad en deepfake video är, dock existerar det en viss oro för deepfake-teknologin och dess utveckling. Det upplevs att det finns risker för framtiden med teknologin i form av hot mot demokratin och politik, spridning av Fake news, video-manipulation samt brist på källkritik. De positiva aspekterna är att tekniken kan användas i sammanhang av humor, inom film- och TV-industrin samt sjukvård. Ytterligare en slutsats är att unga vuxna kommer att vara mer källkritiska till innehåll de exponeras av framöver, dock kommer de med stor sannolikhet ändå att påverkas av deepfake-teknologin i framtiden. / Manipulated videos can be created with deepfake technology, where fake images and sounds are produced and seem to be real. Deepfake technology is constantly improving and it will be more problematic to detect manipulated video online. This may result in a large number of media consumers being unknowingly exposed to deepfake technology while using social media. The purpose of this study is to research young adults' awareness, approach and impact of deepfake videos. The deepfake technology improves annually and more problems occur, which can cause negative consequences in the future if it’s misused. The study is based on a quantitative method in the form of a web survey and a qualitative method with three focus groups. The conclusion shows that there’s a large number of young adults who are not aware of what a deepfake video is, however there’s some concern about deepfake technology and its development. It’s perceived that there can be risks in the future with the technology in terms of threats to democracy and politics, distribution of Fake news, video manipulation and lack of source criticism. The positive aspects are that the technology can be used for entertainment purposes, in the film and television industry also in the healthcare department. Another conclusion is that young adults will be more critical to the content they are exposed to in the future, but likely be affected by deepfake technology either way.

No description available.

No description available.

Desinformation, eller fake news som det kallas i vissa sammanhang, är ett problem som i samband med internet blivit allt större. Vare sig det gäller politiska val, falska påståenden om Covid-19 eller krigspropaganda så lever vi idag i vad vissa kallar för en infodemi. Begreppet syftar på det hav av både sann och falsk information som finns inom den digitala världen idag som det är väldigt lätt att drunkna i (World Health Organisation, 2020). Det ökade hotet har inte bara gjort det mer relevant att forska om desinformation som problem men även för forskning som ämnar att lösa problemet. Det finns flera olika typer av lösningar men maskininlärningsalgoritmer är en av de vanligaste samt det som detta arbete har undersökt (Gradon et al., 2021). Den frågeställning som arbetet har haft som mål att besvara är följande:“Vad är det som gör maskininlärning till ett effektivt skydd när det används för att identifiera desinformation?” Genom en kvalitativ fallstudie har semistrukturerade intervjuer genomförts med målet att besvara frågan mer på djupet och i detalj. Med metoden genererades ett resultat som förhoppningsvis underlättar att avgöra vad som gör maskininlärningsalgoritmer effektiva på att identifiera desinformation. I resultatet framkom det totalt 11 olika delområden där flera kategoriseras som argument till varför det är en effektiv lösning, samt argument som talar för att de inte är det. Det gjordes även fynd i form av förbättringsförslag som skulle kunna öka effektiviteten. Positiva argument som hittades är följande: 1) Maskininlärning är automatiserat, 2) Maskininlärningsalgoritmer arbetar snabbare än människor, 3) Maskininlärning kan agera snabbt mot nya hot, 4) Maskininlärning hittar mönster enklare än vad människor gör, 5) Maskininlärningsalgoritmer blir bättre ju mer de används. Negativa arguments som hittades är: 6) Maskininlärningsalgoritmer kan manipuleras, 7) Maskininlärningsalgoritmer kan missbrukas, 8) Hur processen går till med maskininlärning kan vara otydlig. Förbättringsförslag som hittades är: 9) Manuellövervakning av maskininlärningsalgoritmer, 10) Nya tekniker inom maskininlärning, 11) Att kombinera maskininlärningsalgoritmer med filter.