Fake news detection on social media via implicit crowd signals

AUTOMATA: Um Ambiente para Combate Automático de Fake News em Redes Sociais Virtuais

“…Módulo de Detecção: o módulo de Detecção recupera, a partir de 𝐷 (fluxo de dados 3), o conjunto de notícias não classificadas 𝑁 𝑛𝑐 a fim de avaliar se cada 𝑛 𝑛𝑐 ∈ 𝑁 𝑛𝑐 pode ou não ser fake news. Para tanto, o referido módulo implementa a abordagem de detecção de fake news baseada em crowd signals implícitos originalmente proposta em [3], premiada em [4] e estendida em [2]. Em resumo, tal abordagem utiliza modelos de IA para classificar notícias como possíveis fake news, levando em conta, para isso, a reputação baseada no comportamento prévio (signals) dos usuários da RSV (membros do crowd) na divulgação tanto de notícias anteriores quanto da notícia a ser classificada.…”

“…Em busca de mitigar os efeitos nocivos das fake news, ferramentas computacionais que possam auxiliar no combate a esse tipo de notícia têm sido desenvolvidas, sendo poucas delas voltadas para notícias escritas em Língua Portuguesa 2,3,4,5,6,7 . Até onde foi possível observar, tais ferramentas apresentam uma postura passiva, sob dois aspectos: (i) se limitam a identificar possíveis fake news apenas a partir de notícias a elas apresentadas pelos seus usuários; (ii) não atuam para tentar mitigar a propagação dessas notícias.…”

“…A fim de demonstrar a viabilidade prática do AUTOMATA, foi implementado um protótipo funcional do ambiente e realizada uma experiência em parceria com o Ministério da Saúde de aplicação deste protótipo no contexto da pandemia da COVID-19 no Brasil. O protótipo desenvolvido monitora notícias postadas no Twitter, utiliza a abordagem de detecção de fake news baseada em Crowd Signals proposta em [3] e gera uma interface com notícias suspeitas para análise pela ACF Boatos.Org.…”

A Comparative Study of Computational Fake News Detection on Social Media

“…In short, the real objective of fake news detection on an automated basis is to limit the time and effort required by people to identify fake news and preventing it from spreading. To detect fake news dissemination on social media platforms, several researches have been conducted using content-based [13] [14][15] [16], social context-based [12][17] and propagation structure-based [18] [19] detection techniques regardless of their own limitations.…”

Combate Automático às Fake News nos Meios Digitais

“…Apesar de seus benefícios, alguns MDDN, tais como as redes sociais, permitem que qualquer pessoa, independentemente de sua credibilidade, divulgue notícias com intenso poder de propagação [Shu et al 2017, Wang et al 2018a]. Tal permissividade amplificou a disseminação de Fake News, um tipo particular de notícia falsa cuja divulgação acontece de forma proposital [Freire and Goldschmidt 2019, Zhang et al 2018. A proliferação de Fake News, geralmente, afeta não apenas a integridade jornalística, mas também perturba as áreas social, política, econômica, cultural, assim como da saúde e segurança [Mejova and Kalimeri 2020, Mustafaraj and Metaxas 2017].…”