In recent years, digital platforms have become a powerful means for large scale information diffusion world-wide, particularly in Brazil. Understanding key aspects driving the misinformation diffusion process is of paramountimportance to the design and implementation of new tools to automatically detect misinformation content. In this scenario, fact-checking performed by high credibility agencies provide rich labeled data, which is fundamental to build tools capable of detecting and mitigating the effects of misinformation. This paper opens a novel dataset, referred to as FactCenter, to the research community, containing fact-check instances collected from 6 different Brazilian fact-checking agencies. This dataset has 11 647 fact-check instances, covering several topics and domains. We present an initial analysis of the data collected, enriched by data from Facebook, which demonstrates the potential of our repository for future studies.

No abstract

A disseminação de notícias falsas tem impacto em diversas áreas cruciais da governança democrática. Muitas abordagens de identificação destas noticiais tomam como base a exploração de informações capturadas depois de sua propagação nas redes. Propomos uma metodologia de detecção em estágio inicial de propagação. Efetuamos uma análise exploratória que compreende o treinamento de milhares de modelos utilizando conjuntos diversos de parâmetros e atributos textuais extraídos de notícias suspeitas. Neste processo, desenvolvemos uma base inédita de notícias falsas propagadas no Brasil relativas à Covid-19. Resultados revelam os conjuntos de atributos mais relevantes e o poder de classificadores supervisionados para este problema no Brasil.