A disseminação de Fake News é um problema conhecido nas redes sociais. Uma das principais abordagens para detectar, automaticamente, este tipo de notícia é baseada na reputação, em especial a que utiliza Crowd Signals. Embora promissora, esta abordagem depende de informações nem sempre disponíveis: a opinião explícita dos usuários sobre as notícias serem fake ou não. Para superar esta desvantagem, este artigo propõe um método, baseado em Crowd Signals Implícitos, que não exige a opinião explícita dos usuários. Experimentos forneceram evidências de que o método proposto pode detectar Fake News sem exigir a opinião explícita dos usuários e sem comprometer os resultados obtidos pelo estado da arte dos métodos baseados em Crowd Signals.

No abstract

No abstract

The problem of automatic Fake News detection in digital media of news distribution (DMND - e.g., social networks,online newspaper) has become even more relevant. Among the main detection approaches, the one based on crowd signals from DMND users has stood out by obtaining promising results. Although promising, the Crowd Signals approach has a significant limitation: it depends on the explicit user opinion (which is not always available) about the classification of news. Facing this limitation, the present work raises the hypothesis that it is possible to build models of Fake News detection with a performance comparable to the Crowd Signals based approach, avoiding the dependence on the explicit opinion of DMND users. To validate this hypothesis, the present work proposes HCS, an approach based on crowd signals that considers implicit user opinions instead of the explicit ones. The implicit opinions are inferred from the behavior of users concerning the dissemination of the news. Inspired in Meta-Learning, the HCS can also use the explicit opinions from machines (news classification models) to complement the implicit user opinions by means of hybrid Crowds. Experiments presented significant evidence that confirms the raised hypothesis.

Uma das estratégias para combater o crescente problema das fake news é capacitar pessoas para identificar esse tipo de notícia. Embora existam iniciativas em que tal capacitação é apoiada por jogos educacionais digitais (JED), os JED utilizados não dispõem de notícias escritas em Língua Portuguesa. Para suprir esta lacuna, o artigo apresenta o JEDi, um JED voltado à capacitação de estudantes na identificação de notícias falsas, divulgadas de forma intencional e no idioma português. O JEDi se desenrola em um tabuleiro a ser percorrido pelos jogadores na medida em que esses conseguem discernir entre notícias verdadeiras e falsas. Vence a partida, o jogador que alcançar o final do tabuleiro primeiro. A ideia é que, na medida em que joguem diversas partidas, os jogadores desenvolvam a capacidade de reconhecer notícias falsas. Ao persistir os resultados individuais dos jogadores, o JEDi permite analisar, comtécnicas de mineração de dados, o desempenho longitudinal de cada jogador e, portanto, sua efetividade como jogo na capacitação para reconhecer fake news. O artigo relata a aplicação do JEDi em um estudo de caso com alunos do Ensino Médio e outro com alunos da Educação Superior. Resultados quantitativos e qualitativos obtidos nos dois estudos apontam para a efetividade do JEDi como instrumento de capacitação na identificação de fake news.