Fake images: The effects of source, intermediary, and digital media literacy on contextual assessment of image credibility online

Shen, C., Kasra, M., Pan, W., Bassett, G. A., Malloch, Y., & O’Brien, J. F. (2019). Fake images: The effects of source, intermediary, and digital media literacy on contextual assessment of image credibility online. New media & society, 21(2), 438-463. https://doi.org/10.1177/1461444818799526 (pdf récupéré à : https://escholarship.org/content/qt9rm0q3nc/qt9rm0q3nc_noSplash_0cc61c32e71a7943d89a07fed54c0452.pdf)

Cet article est en construction: un auteur est en train de le modifier.

En principe, le ou les auteurs en question devraient bientôt présenter une meilleure version.

Résumé des auteur·trice·s

Fake or manipulated images propagated through the Web and social media have the capacity to deceive, emotionally distress, and influence public opinions and actions. Yet few studies have examined how individuals evaluate the authenticity of images that accompany online stories. This article details a 6-batch large-scale online experiment using Amazon Mechanical Turk that probes how people evaluate image credibility across online platforms. In each batch, participants were randomly assigned to 1 of 28 news-source mockups featuring a forged image, and they evaluated the credibility of the images based on several features. We found that participants’ Internet skills, photo-editing experience, and social media use were significant predictors of image credibility evaluation, while most social and heuristic cues of online credibility (e.g. source trustworthiness, bandwagon, intermediary trustworthiness) had no significant impact. Viewers’ attitude toward a depicted issue also positively influenced their credibility evaluation.'

Introduction

Le XXIe siècle est marqué par le fait qu'on peut facilement modifier des photos. Ce qui fait que des acteurs peu scrupuleux peuvent créer des dommages chez les gens (en manipulant des images à des fins de création de stress, d'influence sur les décisions, de tromper les gens, etc.)

Plusieurs études montrent que la modification d'images peut modifier les souvenirs, influencer les comportements et les décisions. De plus, l'effet sur les attitudes, la mémoire, les émotions et les perceptions peut persister, même après avoir été informé du fait que les images ont été modifiées.

Le but de cet article va être de voir, à grande échelle, comment les gens évaluent la crédibilité des images qui accompagnent des textes, ainsi que les caractéristiques (liées ou non à l'images). Les images qui seront utilisées seront altérée avec des techniques telles que la composition, l'élimination et la retouche (voir Kasra et al., 2018). C'est une des premières études à tester les heuristiques liées à l'évaluation de la crédibilité et l'authenticité des images.

Theory and hypotheses

Online information credibility

Plusieurs études ont montré que les gens se lancent rarement dans des comportements d'évaluation (comme regarder d'autres sources, par exemple) ; la plupart du temps, les gens ont tendance à évaluer la crédibilité d'une information en se basant sur des éléments sociaux et des heuristiques (voir Fogg et al., 2003 ; Metzger et al., 2010), comme se focaliser sur la réputation du site web, la cohérence générale du contenu, et la violation de nos attentes (le nombre de like est aussi une métrique utilisée depuis l'apparition des RS).

Pour cette recherche, les auteur·trice·s vont se focaliser sur 6 facteurs majeurs qui vont influencer l'évaluation de la crédibilité:

la fiabilité de la source
le type de source et de média
l'intermédiaire
popularité (bandwagon cues)
digital skills
disposition positive

Source trustworthiness

Depuis plusieurs décades, il y a des recherches qui montrent la réputation de la source comme importante heuristique de crédibilité, et que ce jugement repose essentiellement sur la crédibilité et l'expertise de la source d'un message (et se focalise très peu sur le contenu).

Il en découle l'hypothèse:

H1: Images from more credible sources will be perceived as more credible than those from less credible source

Source and media type

L'endroit où une information est publiée peut avoir une influence sur la perception de crédibilité (par exemple, des gens ont moins confiance en Wikipédia, à cause de sa nature ouverte ; dans le même genre, ils n'ont pas confiance en Twitter et Facebook).

Pour cette étude les auteur·trice·s vont combiner la plateforme et le type de source en un seul facteur:

H2(a): Images from news organizations will be perceived as more credible than those from individuals.
H2(b): Images from a news organization’s official website will be perceived as more credible than those from their social media accounts

Intermediaries

L'évaluation de crédibilité peut être influencée par la perception de crédibilité des intermédiaires. Metzger et al. (2010) parlent de endorsement heuristic (heuristique de soutien?): les gens ont tendance à trouver une information crédible s'ils pensent que les autres la trouvent aussi crédible.

H3: Images from more credible intermediaries will be perceived as more credible than those from less credible intermediaries.
- RQ1: Are images shared by an intermediary perceived as more credible than images without an intermediary?
- RQ2: Do source credibility and intermediary credibility interact with each other in affecting viewers’ image credibility evaluation

Bandwagon

Plusieurs études ont mis en évidence un "bandwagon effect" : les gens ont plus tendance à être d'accord avec une information qui semble faire consensus (sur la base de métriques comme les likes, les vues, etc.)

H4: Images with higher levels of bandwagon cues will be perceived as more credible than those with lower levels of bandwagon cues.

Skills and experiences

La digital media literacy permettent d'améliorer le jugement de crédibilité ; elles permettent d'identifier correctement la source, l'intermédiaire et les métriques pour produire un jugement de crédibilité.

H5: People with greater levels of (a) photography and digital imaging experience and (b) general Internet skills will be more likely to perceive fake images as less credible than people with less experience/skills.
H6: People who use (a) Facebook and (b) Twitter more often will perceive fake images as less credible than people who use (a) Facebook and (b) Twitter less frequently.

Issue attitudes

Les gens ont plus tendance à percevoir quelques chose comme crédible, si cette dernière confirme des opinions préalables.

H7. People who have a high level of pro-attitude toward the issue depicted in the image

will perceive it as more credible than people with a low level of pro-attitude.

Methods

Study design

Les auteur·trice·s vont donc manipuler 4 facteurs, et contrôler statistiquement deux autres. Iels adoptent un partial factorial design composé de :

Source credibility (High/Low)
Source and Media Type (Website/Social Media Organization Account/Social Media Individual Account)
Intermediary (No/High Trust/Low Trust)
Bandwagon (High/Low)

Ce qui devrait donner 36 (2x3x3x2) conditions uniques, mais leur design est "partiel" ; iels omettent 8 conditions (pour des raisons pratiques).

Quelques infos supplémentaires:

Source trustworthiness: Iels ont mené un prétest pour voir quelles organisations et quelles personnes individuelles retenir pour les conditions high (e.g. NY times, National public radio) et low (e.g. Buzzfeed).
Intermediary: iels ont utilisé les source qui ont été pré-testées pour "trustworthiness"
Bandwagon : iels ont manipulé le nombre de likes, shares, favoris, retweet, vues ; dans le pré-test, il a été demande aux gens d'estimer ce qui est considéré comme "vraiment beaucoup" (26'361 retweet) ou "vraiment peu" (3 retweet)

Images and mockups

6 fausses images ont été produites. Leur critère pour choisir l'image était de brasser plusieurs sujets (sociaux, bio, politiques, etc.), et d'avoir plusieurs types de manipulation ; leur but était qu'il y ait une manipulation des images. Il en découle 168 mockups (28 conditions x 6 images).

Measures

Image credibility: échelle de 6 items adapté de Flanagin et Metzger (2007) en 7 points (1=strongly disagree, 7=strongly agree)
Internet skills: le gens se positionnent sur 10 termes liés à internet (phishing, tagging, etc.) sur une likert en 5 points
Digital imagning experiences and skills: deux items en 5 points (1=None, 5=I'm an expert)
Facebook/Twitter use: il leur est demandé si les gens ont un compte, puis on leur donne un instrument de 6 items sur 5 points
Pro-issue attitude : avant chaque image, il y a une petite question liée

Participants and procedure

Iels ont utilisé MTurk ; 2 batch de 30 participant·e·s par condition (n=840 par batch), puis 4 batches de 15 participant·e· par condition (n=420 par batch). Ce qui donne un total de 3476 participant·e·s pour les 6 batches.