Metodologie

Cum se face un raport: de la prima dată când vedem o știre până la verdictul de pe pagină. Totul e calculat automat, după aceleași reguli pentru toate redacțiile. Pragurile de mai jos sunt cele folosite azi. Dacă le schimbăm, schimbăm și această pagină, cu versiune nouă și dată.

1. Ce observăm

Citim periodic listele de știri noi (RSS, sitemap) ale redacțiilor observate. Fiecare adresă nouă intră într-un catalog cu titlul și ora ei, fără să fie descărcată. „Prima noastră vedere” e momentul în care am văzut adresa prima dată.

2. Ce analizăm

Analizăm știrile pe subiecte de interes public. O știre intră într-un subiect în trei feluri: prin cuvinte cheie din titlu, prin sensul titlului (comparat automat cu descrierea subiectului) sau pentru că am adăugat-o noi. Când scoatem o știre dintr-un subiect, scriem motivul și data. Subiectul unui raport îl numim la publicare.

3. Dovada

Descărcăm doar știrile dintr-un subiect. Răspunsul complet al site-ului se păstrează înainte de orice altceva, într-o arhivă în formatul standard WARC, cu ora și amprenta sha256 a textului. Arhiva nu se rescrie.

Verificăm din nou fiecare știre la +1 h, +6 h, +24 h, +72 h, +7 zile, +14 zile și +30 de zile după prima descărcare. Fiecare text diferit al aceleiași adrese e o versiune nouă. Se păstrează lângă cele vechi și se compară cu ele cuvânt cu cuvânt.

4. Ora unei știri

Folosim o singură oră pe știre, prima care există, în această ordine:

• ora găsită în pagina arhivată, când site-ul declară doar data;
• ora declarată de site;
• prima noastră vedere, marcată ca atare.

Toate orele sunt în ora României.

5. Cine a preluat de la cine

Curățăm o copie a textului: rânduri de tipul „Citește și”, reclame, casete pe care site-ul le repetă. Textul arhivat rămâne neatins. Două știri formează o pereche când cel puțin 25% din textul propriu al celei mai noi apare identic, în secvențe de câte 8 cuvinte la rând, în cea mai veche. Care e mai veche se judecă după ora de la pasul 4.

6. Citarea

O citare înseamnă unul dintre trei lucruri:

• numele altei redacții lângă un cuvânt de atribuire („potrivit”, „conform”, „scrie”…);
• numele ei ca semnătură (de exemplu „/Agerpres/”);
• un link din articol spre alt site.

7. Verdictul unei perechi

Fiecare pereche primește automat primul verdict care se potrivește:

• aceeași redacție: ambele știri sunt de pe același site;
• citează sursa: cea nouă numește site-ul celei vechi;
• invers: cea veche o numește pe cea nouă, deci ordinea orelor e probabil greșită;
• preiau din aceeași sursă: amândouă au mult text comun cu o știre mai veche, de pe alt site;
• sursă comună: amândouă citează același site;
• fără citare: niciuna dintre cele de mai sus.

„Fără citare” spune doar că nu am găsit sursa numită în text sau printr-un link. Nu e o acuzație și nu spune nimic despre intenție.

Ce nu facem și ce nu vedem

• Nu judecăm intenția și nu vorbim de „manipulare”. Arătăm schimbarea și dovada; concluzia o poate verifica oricine.
• Nu folosim modele care scriu text. Un model compară doar sensul titlurilor și grupează știrile apropiate.
• Vedem doar listele de știri ale redacțiilor observate.
• O schimbare făcută după ultima verificare (+30 de zile) poate să ne scape.
• O știre văzută după o pauză a sistemului nostru are o „primă vedere” târzie. O marcăm ca atare.

Când se schimbă

Regulile și pragurile se pot îmbunătăți. Orice schimbare apare aici, cu versiune nouă și dată. Fiecare raport spune cu ce versiune a fost calculat.