چگونه نشانه‌گذاری ClaimReview در Schema.org واقعاً درستی‌سنجی‌ها را برای ماشین‌ها ترجمه می‌کند

سرنوشت یک درستی‌سنجی دیجیتال نه در زمان انتشار مقاله توسط روزنامه‌نگار تعیین می‌شود و نه زمانی که خواننده روی لینک کلیک می‌کند. این سرنوشت دقیقاً در لحظه‌ای رقم می‌خورد که یک سیستم مدیریت محتوا، بلوکی از کد JSON-LD را به هدر نامرئی صفحه تزریق می‌کند.

این بلوک که با نام نشانه‌گذاری ClaimReview شناخته می‌شود، تنها زبانی است که موتورهای جستجو و عامل‌های هوش مصنوعی واقعاً آن را می‌فهمند. بدون آن، یک راستی‌آزمایی که با دقت و وسواس تحقیق شده، صرفاً صفحه دیگری از متن‌های بدون ساختار است؛ اما با وجود آن، مقاله به یک شیء داده ساختاریافته تبدیل می‌شود که ماشین‌ها می‌توانند آن را تجزیه، نمایه‌سازی و پیاده‌سازی کنند.[1][4]

نشانه‌گذاری ClaimReview که در سال ۲۰۱۵ طی همکاری بین Duke Reporters' Lab، گوگل و گروه استانداردهای schema.org ایجاد شد، برای حل یک مشکل خاص در بینایی ماشین طراحی شده بود. خزنده‌های جستجو نمی‌توانند یک تحلیل سیاسی ۱۲۰۰ کلمه‌ای را بخوانند و با اطمینان، حکم نهایی آن را استخراج کنند. این نشانه‌گذاری، ناشر را مجبور می‌کند تا روزنامه‌نگاری خود را در سه فیلد خشک و غیرقابل انعطاف نگاشت کند: `claimReviewed` (آنچه گفته شده)، `author` (کسی که آن را گفته) و `reviewRating` (حکم استانداردشده).[4]

برای نزدیک به ۱۰ سال، این داده‌های ساختاریافته نیروبخش ویژگی‌های کاربرپسندی بودند که پلتفرم‌های فناوری آن‌ها را به عنوان خط دفاعی اصلی خود در برابر اطلاعات نادرست تبلیغ می‌کردند. تا سال ۲۰۲۵، بیش از ۲۵۰٬۰۰۰ درستی‌سنجی با این نشانه‌گذاری برچسب خوردند که تخمین زده می‌شود سالانه ۴ میلیارد بازدید در سراسر سرویس‌های گوگل ایجاد کرده باشند.

وقتی کاربری یک شایعه وایرال را جستجو می‌کرد، موتور جستجو داده‌های ClaimReview را می‌خواند و یک نشان برجسته را مستقیماً در صفحه نتایج تولید می‌کرد. پلتفرم‌ها این قابلیت را به عنوان «ارتقای حقیقت» بازاریابی می‌کردند، اما این توانایی کاملاً وابسته به روزنامه‌نگاران انسانی بود که فرم‌های وب را به صورت دستی پر می‌کردند تا پایگاه‌های داده پلتفرم‌ها را تغذیه کنند.[2]

با این حال، کاربرد مصرف‌کننده این نشانه‌گذاری به طور ناگهانی محدود شد. در ژوئیه ۲۰۲۵، گوگل در سکوت خبری نشان‌های بصری ClaimReview را از نتایج جستجوی اصلی خود بازنشسته کرد و مدعی شد که حذف آن‌ها «به ساده‌سازی صفحه نتایج و تمرکز بر سایر تجربه‌ها کمک می‌کند.» این تصمیم، نشانه بصری فوری را که کاربران به آن متکی بودند حذف کرد و سازمان‌های درستی‌سنجی را از اینکه داده‌های ساختاریافته‌شان دیگر آن‌طور که در ابتدا وعده داده شده بود در معرض دید عموم قرار نمی‌گیرد، ناامید و سرخورده کرد.[2]

با این وجود، کنار گذاشتن نشان جستجو باعث منسوخ شدن این نشانه‌گذاری نشد؛ بلکه صرفاً مخاطب اصلی آن را از خوانندگان انسانی به مدل‌های یادگیری ماشین تغییر داد. در حالی که گوگل برچسب‌های بصری را در بخش جستجو حذف کرد، ابزار Fact Check Explorer را که کاملاً به فید داده‌های ClaimReview میزبانی‌شده در DataCommons.org متکی است، حفظ کرد. این آرشیو عظیم و استاندارد از ادعاهای برچسب‌خورده، اکنون به داده‌های آموزشی بنیادین تبدیل شده است.[1][3]

توسعه‌دهندگان هوش مصنوعی اکنون از این مجموعه داده برای پایه‌گذاری مدل‌های زبانی بزرگ و سیستم‌های تولید تقویت‌شده با بازیابی (RAG) استفاده می‌کنند. از آنجا که این نشانه‌گذاری به صراحت یک ادعای نادرست را به یک اصلاحیه تأییدشده پیوند می‌دهد، سیگنال تمیزی ارائه می‌کند که به جلوگیری از تکرار شایعات ردشده توسط عامل‌های هوش مصنوعی کمک می‌کند.

همان‌طور که اندرو دادفیلد، رئیس هوش مصنوعی Full Fact، در اجلاس ۲۸ مه ۲۰۲۶ با حضور ۸۵ پژوهشگر اشاره کرد، این ابزار اکنون به شدت برای ماشین‌ها بهینه‌سازی شده است. دادفیلد گفت: «ClaimReview می‌تواند به ویژه برای برقراری ارتباط با غیرانسان‌ها مفید باشد.»[3]

این اکوسیستم همچنین در حال گسترش است تا فرمت‌های جدید را پوشش دهد. نهاد Duke Reporters' Lab و شرکای آن، MediaReview را توسعه داده‌اند؛ یک طبقه‌بندی هم‌خانواده که مشخصاً برای برچسب‌گذاری تصاویر و ویدیوهای دستکاری‌شده طراحی شده است. در حالی که هوش مصنوعی مولد تولید رسانه‌های مصنوعی را ارزان‌تر می‌کند، توانایی برچسب‌گذاری ساختاری یک فایل ویدیویی خاص به عنوان یک دیپ‌فیک دستکاری‌شده به گونه‌ای که پلتفرم‌ها بتوانند به طور خودکار آن را بخوانند، در حال تبدیل شدن به لایه حیاتی بعدی در اصالت دیجیتال است.

آینده نزدیک این استاندارد اکنون به کاهش اصطکاک در ورود داده‌ها بستگی دارد. مارتن شنک، هم‌بنیان‌گذار Lead Stories، تخمین می‌زند که رمزگذاری دستی این طرحواره حدود ۳۰ ثانیه برای هر مقاله زمان می‌برد؛ بار انباشته‌ای که تماماً بر دوش ناشران می‌افتد.

برای حفظ پایگاه داده‌ای که در حال حاضر لنگرگاه مدل‌های درستی‌سنجی هوش مصنوعی است، شبکه بین‌المللی درستی‌سنجی در حال فشار برای یکپارچه‌سازی عمیق‌تر سیستم‌های مدیریت محتوا است تا محموله JSON-LD را بلافاصله پس از انتشار به طور خودکار تولید کرده و این مرحله دستی را به طور کامل حذف کنند.[3][4]