Please use this identifier to cite or link to this item:
USO DE PYTHON PARA DETECÇÃO DE FAKE NEWS SOBRE A COVID-19: DESAFIOS E POSSIBILIDADES
Rafiza Varão da Universidade de Brasília, da Faculdade de Comunicação teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Marco Aurélio Boselli da Universidade Federal de Uberlândia, do Instituto de Física teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Leandro Brito Santos da Universidade Federal do Oeste da Bahia, do Centro Multidisciplinar de Bom Jesus da Lapa teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Marcelo A. Moret do Centro Universitário Senai Cimatec, da Faculdade de Tecnologia, da Universidade do Estado da Bahia teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Alternative title
Using Python to detect fake news about covid-19: challenges and possibilitiesAuthor
Affilliation
Abstract in Portuguese
Este trabalho tem como objetivo relatar estratégias para coleta de um conjunto de dados em português para treinamento de modelos de Inteligência Artificial com vistas a identificar de forma automática fake news sobre covid-19 disseminadas durante a pandemia, a partir de código Python. Analisamos um método de detecção de fake news baseado em uma Rede Neural Recorrente e de aprendizagem supervisionada. Selecionamos um corpus com 7,2 mil textos coletados em websites e agências de notícias por Monteiro et al. (2018) com cada um previamente catalogado como verdadeiro ou falso como conjunto de dados de treino e validação. O modelo foi usado para detecção de fake news sobre covid-19 em um conjunto de notícias coletadas e classificadas pelos autores deste trabalho. O índice de acerto foi de 70%, ou seja, essa foi a taxa de sucesso da detecção dos itens catalogados.
Abstract
This work aims to report strategies for collecting a dataset in Portuguese for training Artificial Intelligence models to automatically identify fake news about covid-19 disseminated during the pandemic, using Python code. We analyze a fake news detection method based on a Recurrent Neural Network and supervised learning. We selected a corpus with 7,200 texts collected on websites and news agencies by Monteiro et al. (2018), each one of them previously cataloged as true or false as a training and validation dataset. This model was used to detect fake news about covid-19 in a set of news collected and classified by the authors of this work. The hit rate was 70%.
xmlui.dri2xhtml.METS-1.0.item-abstractes
Este trabajo tiene como objetivo informar estrategias para recopilar un conjunto de datos en portugués para entrenar modelos de Inteligencia Artificial para identificar automáticamente noticias falsas sobre covid-19 difundidas durante la pandemia, utilizando el código Python. Analizamos un método de detección de noticias falsas basado en una Red Neuronal Recurrente y de aprendizaje supervisado. Seleccionamos un corpus de 7.200 textos recogidos en webs y agencias de noticias por Monteiro et al. (2018) con cada uno catalogado previamente como verdadero o falso como un conjunto de datos de entrenamiento y validación. El modelo se utilizó para detectar noticias falsas sobre covid-19 en un conjunto de noticias recopiladas y clasificadas por los autores de este trabajo. La tasa de acierto fue del 70%, es decir, esta fue la tasa de éxito de detección de los artículos catalogados.
Publisher
Fundação Oswaldo Cruz. Instituto de Comunicação e Informação Científica e Tecnológica em Saúde.
Citation
FERREIRA, Fernanda Vasques et al. Uso de Python para detecção de fake news sobre a covid-19: desafios e possibilidades. RECIIS - Revista Eletrônica de Comunicação, Informação e Inovação em Saúde, Rio de Janeiro, v. 16, n. 2, p. 266-280, abr./jun. 2022.DOI
10.29397/reciis.v16i2.3253ISSN
1981-6278Notes
Fernanda Vasques Ferreira do Centro Universitário Senai Cimatec, da Faculdade de Tecnologia, da Universidade Federal do Oeste da Bahia, do Centro Multidisciplinar de Santa Maria da Vitória teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)Rafiza Varão da Universidade de Brasília, da Faculdade de Comunicação teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Marco Aurélio Boselli da Universidade Federal de Uberlândia, do Instituto de Física teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Leandro Brito Santos da Universidade Federal do Oeste da Bahia, do Centro Multidisciplinar de Bom Jesus da Lapa teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Marcelo A. Moret do Centro Universitário Senai Cimatec, da Faculdade de Tecnologia, da Universidade do Estado da Bahia teve seu artigo submetido e aprovado na edição da RECIIS - Dossiê Perspectivas multidisciplinares sobre desinformação em ciência e saúde, v. 16 n.2 (2022)
Share