Ferramenta de IA Detecta Precisão e Viés Político em Fontes de Notícias

Visão Geral

• Novo algoritmo de machine learning foca em fontes de notícias em vez de apenas analisar alegações individuais, para detectar notícias falsas e tendenciosas.
• Para novos artigos de notícias, alcançou precisão de até 70%.
• Requer apenas 150 conteúdos para determinar se a fonte pode ser confiável ou não.

Plataformas de mídia social tornaram extremamente fácil para qualquer um compartilhar e espalhar informações na internet. Isso deu origem à proliferação de notícias falsas, geralmente geradas para alterar sentimentos das pessoas e influenciar grandes eventos como eleições políticas, ou para atrair tráfego e ganhar renda exibindo anúncios.

Enquanto muitos gigantes da tecnologia estão colocando recursos significativos na construção de seus próprios sistemas de detecção de fake news, pesquisadores do MIT e do Qatar Computing Research Institute acreditam que a melhor estratégia para detectar notícias falsas é focar nas fontes de notícias em vez de apenas analisar alegações individuais.

Usando esta abordagem, desenvolveram um novo método baseado em machine learning que determina se uma fonte é confiável ou não. Basicamente, caracteriza toda a mídia de notícias, prevendo a factualidade do relato.

Como Determina Notícias Tendenciosas?

A ideia por trás do sistema é: se um site publicou fatos errados antes, há uma probabilidade decente de que fará novamente. Analisar outros conteúdos em tais sites pode ajudar o sistema a determinar quais sites são propensos a fazer isso em primeiro lugar.

Para identificar confiavelmente notícias falsas, pode-se procurar características linguísticas comuns como estrutura, complexidade e sentimento no artigo. Por exemplo, a maioria das notícias falsas usa linguagem emocional, subjetiva e hiperbólica.

Neste estudo, eles experimentam com várias características derivadas de:

1. Conteúdos de fontes de notícias alvo,
2. sua conta no Twitter e página na Wikipedia
3. sua estrutura de URL
4. o número de visitantes que recebe

Coletaram dados de um site Media Bias/Fact Check. Com a ajuda de revisores humanos, este site examina a factualidade e vieses de quase dois mil sites de notícias, incluindo fontes de mídia populares e fazendas de conteúdo fraco.

Referência: arXiv:1810.01765 | MIT

Estes dados foram alimentados a um modelo de machine learning, desenvolvido para classificar fontes da mesma forma que o site de revisão humana faz. O modelo rendeu resultados impressionantes: para novos artigos de notícias, alcançou precisão de 65% em determinar se o artigo tem nível baixo, médio ou alto de factualidade, e foi 70% preciso em determinar se o conteúdo é tendencioso à direita, à esquerda ou moderado.

Os pesquisadores afirmam que o sistema requer apenas 150 conteúdos para determinar com precisão se o site fonte pode ser confiável ou não. Assim, pode filtrar notícias falsas antes que se espalhem amplamente pela internet.

Próximos Passos

Pesquisadores estão trabalhando atualmente no sistema para melhorar sua precisão e fazê-lo funcionar em conjunto com analisadores de fatos convencionais. Se o sistema fornecer saídas 'estranhas ou confusas' em um tópico específico, plataformas de revisão manual poderiam verificar rapidamente aqueles resultados e determinar que validade deve ser dada a diferentes perspectivas.

Os autores também geraram um dataset open-source de quase mil sites de notícias marcados com pontuações de precisão e viés. Também planejam lançar apps móveis para ajudar as pessoas a saírem de suas bolhas políticas. Além disso, tentarão treinar o sistema para trabalhar com outros idiomas. Querem ir além do viés direita/esquerda e modelar outras formas de viés mais relevantes para outras regiões.

Leia: Um Novo Algoritmo Genérico Para Detectar IDs Falsos em Sites de Redes Sociais

Este tipo de algoritmo poderia ajudar as pessoas a entender como sites falsos se parecem e o tipo de artigo que tendem a publicar.