<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>آموزش، تربیت و توسعه پایدار</JournalTitle>
      <Issn>3092-7633</Issn>
      <Volume></Volume>
      <Issue>در دست انتشار</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>10</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>A Model for Identifying and Examining Fake News in Digital Journalism from the Perspective of Experts and Specialists in Iraq</ArticleTitle>
    <VernacularTitle>ارائه مدلی جهت شناسایی و بررسی اخبار جعلی در روزنامه‌نگاری دیجیتالی از دیدگاه کارشناسان و متخصصان در عراق</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>26</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>حیدر عباس حسین </FirstName>
        <LastName>المهدی</LastName>
        <Affiliation>دانشجوی دکتری، گروه مدیریت رسانه و ارتباطات کسب‌وکار، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>منوچهر</FirstName>
        <LastName>انصاری</LastName>
        <Affiliation>دانشیار، گروه مدیریت رسانه و ارتباطات کسب‌وکار، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1405</Year>
        <Month>01</Month>
        <Day>05</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to develop and validate a comprehensive model for identifying and examining fake news in digital journalism based on the perspectives of experts and specialists in Iraq. The study adopted a qualitative approach using content analysis and meta-synthesis. The methodological procedure was based on a systematic meta-synthesis framework through which relevant studies were searched, screened, critically evaluated, and synthesized. Initial concepts related to fake-news identification were extracted through open coding and subsequently organized into broader categories through axial coding. Fuzzy Delphi analysis was then applied to refine and validate the extracted indicators. Twelve qualified academic and professional experts were purposively selected according to theoretical adequacy and relevant expertise. The experts evaluated the indicators using a fuzzy rating scale, after which fuzzy values were defuzzified. Indicators exceeding the predefined threshold of 0.50 were retained, while the iterative expert-evaluation process was used to increase convergence and establish the final framework. The meta-synthesis and fuzzy Delphi analyses supported the validity of the indicators incorporated into the proposed model. The final framework comprised 12 major categories: linguistic and content characteristics of news, source credibility and news gatekeeping, news dissemination patterns, key users and fake accounts, interactive user behavior, social-network analysis and dissemination pathways, algorithms and artificial intelligence, visual and multimedia content, media literacy and fake-news detection skills, audience sociocultural factors, fake-news countermeasures and prevention, and consequences and impacts of fake news. Fuzzy Delphi results supported retaining indicators meeting the required fuzzy-value criterion, while increased convergence across expert evaluations provided the basis for finalizing the proposed model. Fake-news identification in digital journalism requires an integrated, multidimensional approach incorporating content characteristics, source credibility, dissemination structures, user behavior, intelligent technologies, media literacy, and sociocultural context. The proposed model provides an applicable framework for journalists, media organizations, policymakers, and regulatory institutions in Iraq to develop more systematic mechanisms for detecting, controlling, and preventing the dissemination of fake news.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف پژوهش حاضر ارائه و اعتبارسنجی مدلی جامع برای شناسایی و بررسی اخبار جعلی در روزنامه‌نگاری دیجیتالی با تأکید بر دیدگاه کارشناسان و متخصصان در عراق بود. پژوهش با رویکرد کیفی و با استفاده از تحلیل محتوا و روش فراترکیب انجام شد و چارچوب روش‌شناختی آن بر الگوی هفت‌مرحله‌ای فراترکیب استوار بود. پس از جستجو، غربالگری و ارزیابی مطالعات مرتبط، مفاهیم اولیه از طریق کدگذاری باز استخراج و سپس با کدگذاری محوری در قالب مقوله‌های اصلی سازمان‌دهی شدند. برای پالایش و اعتبارسنجی شاخص‌های استخراج‌شده از تکنیک دلفی فازی استفاده شد. جامعه خبرگان شامل متخصصان واجد شرایط حوزه دانشگاهی و رسانه بود که 12 نفر به‌صورت هدفمند و بر مبنای کفایت نظری انتخاب شدند. شاخص‌ها بر اساس طیف فازی ارزیابی و امتیازهای فازی به مقادیر قطعی تبدیل شدند؛ شاخص‌های دارای مقدار بالاتر از 0.50 مورد تأیید قرار گرفتند و فرایند ارزیابی تا دستیابی به همگرایی مناسب دیدگاه خبرگان ادامه یافت. نتایج تحلیل فراترکیب و دلفی فازی، اعتبار مجموعه‌ای از شاخص‌های شناسایی اخبار جعلی را تأیید کرد و مدل نهایی در قالب 12 مقوله اصلی شکل گرفت: ویژگی‌های زبانی و محتوایی خبر، اعتبار منبع و دروازه‌بانی خبری، الگوهای انتشار اخبار، کاربران کلیدی و حساب‌های جعلی، رفتار تعاملی کاربران، تحلیل شبکه اجتماعی و مسیر انتشار، الگوریتم‌ها و هوش مصنوعی، محتوای بصری و چندرسانه‌ای، سواد رسانه‌ای و مهارت تشخیص اخبار، عوامل اجتماعی–فرهنگی مخاطبان، مقابله با اخبار جعلی و پیشگیری، و شاخص‌های پیامد و تأثیر اخبار جعلی. نتایج دلفی نشان داد شاخص‌های واجد امتیاز فازی لازم قابلیت ورود به چارچوب نهایی را داشته و کاهش پراکندگی دیدگاه‌ها در مراحل ارزیابی، مبنای نهایی‌سازی مدل قرار گرفت. شناسایی اخبار جعلی در روزنامه‌نگاری دیجیتالی نیازمند رویکردی چندبعدی است که به‌طور هم‌زمان ویژگی‌های محتوایی خبر، اعتبار منابع، ساختار و مسیر انتشار، رفتار مخاطبان، فناوری‌های هوشمند، سواد رسانه‌ای و بافت اجتماعی–فرهنگی را مورد توجه قرار دهد. مدل ارائه‌شده می‌تواند چارچوبی کاربردی برای روزنامه‌نگاران، سازمان‌های رسانه‌ای، سیاست‌گذاران و نهادهای تنظیم‌گر عراق در طراحی سامانه‌ها و راهبردهای تشخیص، کنترل و پیشگیری از انتشار اخبار جعلی فراهم سازد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Fake news</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">digital journalism</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">model development</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">اخبار جعلی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">روزنامه نگاری دیجیتالی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تدوین مدل</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://www.journaltesd.com/index.php/tesd/article/download/452/300</ArchiveCopySource>
  </Article>
</ArticleSet>
