A Dra. Mónica Gracia, diretora internacional de Admissões da Fundação Universitária Iberoamericana (FUNIBER), e o Dr. Eduardo Silva, diretor executivo da mesma Fundação na sede da Guatemala, realizam um estudo em conjunto com outros profissionais para melhorar a deteção automática de notícias falsas através da aprendizagem automática. Este trabalho demonstra a eficácia de uma abordagem híbrida e multivista para analisar conteúdos informativos em ambientes digitais.
Nos últimos anos, a desinformação cresceu rapidamente nas redes sociais e nos meios digitais. As mensagens que misturam verdades com falsidades influenciam as conversas públicas, corroem a confiança e complicam a tomada de decisões, especialmente em períodos eleitorais ou crises sanitárias como a COVID-19. Por isso, contar com ferramentas automáticas que ajudem a identificar e travar a divulgação de conteúdos enganosos tornou-se uma prioridade para o âmbito da redação, as plataformas digitais e as autoridades.
Até agora, muitas soluções basearam-se apenas na análise do texto ou na utilização de modelos muito complexos. Embora tenham representado um avanço, elas geralmente têm dificuldade em se adaptar a novos contextos, lidar com textos controversos ou explicar por que tomam uma decisão. Também tendem a «aplanar» todas as informações num único bloco, perdendo nuances importantes da linguagem e do tema tratado.
O estudo propõe uma abordagem diferente e fácil de entender: analisar cada notícia a partir de três ângulos complementares e, em seguida, combinar essas «opiniões» de forma inteligente. Primeiro, observa-se o texto em si (palavras e expressões frequentes), depois como está escrito (compreensibilidade, tom emocional, uso de nomes próprios e estrutura gramatical) e, por último, do que realmente trata (temas dominantes e significado geral). Para cada perspetiva, é treinado um modelo especializado; no final, um «árbitro» reúne os três e decide com maior precisão do que qualquer um separadamente.
Para testá-lo, a equipa trabalhou com dezenas de milhares de artigos já classificados como reais ou falsos e utilizou uma avaliação rigorosa que repete o treinamento e o teste em dez rodadas diferentes para evitar coincidências. Além disso, verificou se o sistema se mantém estável quando os textos sofrem pequenas alterações (por exemplo, apagar ou alterar a ordem de algumas palavras) e se pode transferir o que aprendeu para um conjunto diferente, formado por frases políticas curtas.
Os resultados são especialmente sólidos. No conjunto principal, o sistema acerta 99,94% das vezes e supera tanto os modelos que analisam uma única perspetiva como outros que misturam tudo numa única etapa. Também melhora uma referência muito poderosa baseada em redes neurais profundas. Quando avaliado com o conjunto de frases curtas, mantém um nível muito alto de acerto (cerca de 97%), o que indica que generaliza bem mesmo quando o tipo de texto muda. Nos testes de resistência, a precisão mantém-se acima de 97 %, mesmo que uma parte das palavras seja apagada, trocada ou repetida, sinal de que, se uma das perspetivas perde informação, as outras duas compensam.
Esta proposta alcança um equilíbrio adequado entre eficácia e custo computacional: melhora as métricas-chave sem exigir infraestruturas pesadas, o que facilita a sua adoção em ambientes com recursos limitados.
Se quiser saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNEATLANTICO.
A Fundação Universitária Iberoamericana (FUNIBER) oferece bolsas de estudo para o Mestrado em Gestão Estratégica em Tecnologias da Informação. Este programa prepara-te para liderar a transformação digital, alinhando tecnologia e negócios: planeamento e governança de sistemas, gestão de projetos e serviços, cibersegurança e dados para a tomada de decisões. Dê o próximo passo na sua vida, estude este mestrado para liderar o futuro tecnológico empresarial.