p Uma história no Reddit pergunta, "Os palestinos reconheceram o Texas como parte do México?" A origem da história pode ser duvidosa, mas não impede que a história de "notícias falsas" acumule 1,5 milhão de curtidas em várias plataformas em apenas quatro dias. O dilema das notícias falsas remonta a séculos, de acordo com o Politico, mas o avanço da tecnologia e a ascensão das mídias sociais, agora está em seu zênite. p O problema das notícias falsas fascina Shivam Parikh, estudante de doutorado na Faculdade de Engenharia e Ciências Aplicadas da UAlbany. Parikh, trabalhando com o professor associado de ciência da computação Pradeep Atrey, recentemente apresentado sobre o assunto na IEEE 1st International Conference on Multimedia Information Processing and Retrieval. Seu papel, "Detecção de notícias falsas de mídia rica:uma pesquisa, "analisa os desafios associados à detecção de notícias falsas, abordagens de detecção existentes que são fortemente baseadas em análises baseadas em texto, e conjuntos de dados de notícias falsas populares.

p Notícias falsas podem ser qualquer conteúdo que não seja verdadeiro e seja gerado para convencer seus leitores a acreditar em algo que não é verdadeiro, disse Parikh, que trabalha como analista de desenvolvimento de sistemas para ITS na UAlbany.

p O desafio para a detecção de notícias falsas vem com a democratização das fontes de notícias, e como a tecnologia moderna facilita o compartilhamento de artigos de notícias na era das mídias sociais.

p Parikh e Atrey se propuseram a abordar várias peças críticas do quebra-cabeça das "notícias falsas" com seu jornal:

• As várias plataformas que podem ser utilizadas para divulgar o conteúdo de forma ampla e eficaz;
• Os tipos de artigos de notícias de dados podem conter, e o impacto de cada tipo de dado nos leitores;
• Os diferentes tipos de categorias de notícias falsas;
• Métodos de detecção de notícias falsas existentes; e
• Conjuntos de dados atuais disponíveis para detecção de notícias falsas.

p Os pesquisadores concluem destacando os desafios abertos da pesquisa na área de detecção de notícias falsas.

p Em 2017, dois terços dos adultos dos EUA recebem notícias das redes sociais, um salto de 5 por cento em relação a 2016, de acordo com a Reuters. Não surpreendentemente, isso representa uma bênção e uma maldição para gente como Facebook e Twitter:a estatística representa a popularidade das plataformas, bem como seu papel como fontes primárias para a divulgação de notícias falsas.

p Mas enquanto os gigantes da mídia social lutam com o uso indevido de suas plataformas, eles também são confrontados com a natureza assustadora de sua tarefa. Notícias falsas podem assumir muitas formas, incluindo imagens photoshopadas, conteúdo falso gerado pelo usuário ou contas falsificadas, conteúdo baseado em rede projetado para atrair uma determinada organização ou grupo, bem como histórias baseadas em conhecimento que contêm uma explicação científica ou razoável de questões não resolvidas, frequentemente resultando na disseminação de informações falsas.

p Mas embora a tarefa de detectar notícias falsas possa parecer assustadora, existem vários métodos promissores à disposição dos pesquisadores. Parikh e Atrey apresentam uma categorização dessas abordagens, suas principais características e, em seguida, analisar suas respectivas vantagens e limitações.

p Esses métodos incluem abordagens que analisam características linguísticas de histórias para extrair padrões-chave em notícias falsas, ou modelagem de engano, que é o processo de agrupar histórias enganosas e verdadeiras. Outras abordagens incluem o desenvolvimento de modelos preditivos que podem atribuir coeficientes positivos ou negativos que podem aumentar ou diminuir a probabilidade da verdade de uma história; ou análise de sugestão de conteúdo, que se baseia na ideologia do que os jornalistas gostam de escrever para os usuários e o que os usuários gostam de ler.

p Felizmente, pesquisadores têm amplo acesso a repositórios de artigos de "notícias falsas" na forma de conjuntos de dados disponíveis publicamente, como BuzzFeedNews ou LIAR. Mas, embora cada um dos conjuntos de dados ofereça ampla oportunidade para estudar modelos de detecção linguística, nenhum possui um método para analisar fotos, por exemplo.

p "A apresentação visual desempenha um grande papel nas pessoas que acreditam em conteúdo de notícias falsas. Isso exige a verificação não apenas da linguagem, mas imagens, áudio, conteúdo incorporado, como vídeo incorporado, tweet, Postagem e hiperlinks do Facebook, "disse Parikh.

p Parikh também defende um método de detecção que pode verificar a fonte da notícia, e considere a confiabilidade ou validade da fonte depois de determinada. Uma verificação de credibilidade do autor pode servir a uma função semelhante, onde um sistema pode ser usado para detectar cadeias de notícias falsas escritas pelo mesmo autor ou mesmo grupo de autores.

p Parikh sabe que apenas arranhou a superfície do assunto. Ainda, ele está determinado a explorar a questão enquanto faz seu doutorado na UAlbany.