Banca de DEFESA: LUCAS ALBUQUERQUE LISBOA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUCAS ALBUQUERQUE LISBOA
DATA : 29/10/2024
HORA: 15:00
LOCAL: Virtual
TÍTULO:

Metodologia para detecção de notícias falsas usando rótulo de viés 
político

PALAVRAS-CHAVES:

Notícias Falsas. Avaliação de Classificadores. 
Processamento de Linguagem Natural. Viés Político

PÁGINAS: 109
RESUMO:

A proliferação de notícias falsas se tornou um dos grandes dilemas da 
atualidade. Com a propagação em massa de material desinformativo em 
contextos eleitorais, o debate acerca de como o viés político impacta na 
produção e disseminação de fake news tem crescido. Por conta da grande 
quantidade de postagens e textos veiculados nos meios digitais, soluções 
de classificação automatizadas têm ganhado destaque. Grande parte das 
abordagens estabelecidas na literatura realizam o processamento e análise 
apenas do texto das notícias, ou de outras peças de mídia como imagens 
ou vídeos, desconsiderando que, em diversos contextos, a desinfor- mação 
é associada a questões políticas de modo a induzir indivíduos a 
determinada opinião. Tendo em vista que o viés influencia nos processos 
de captação, redação e edição da notícia, há, então, uma escolha 
de palavras direcionada pelo viés por parte dos redatores das notícias 
falsas. Nesse sentido, este estudo visa avaliar como a incorporação do 
viés político em modelos de classificação pode contribuir na detecção 
de notícias falsas. Para isso, foi adotada uma metodologia para incutir o 
rótulo de viés aos textos correspondentes, a partir da concatenação das 
bases de notícias com a base de rótulos de viés extraídos de portais. 
Desse modo, foram comparados três cenários: um cenário em que apenas o 
texto é avaliado, um cenário em que apenas o rótulo do viés é avaliado 
e um cenário em que o texto é concatenado com o rótulo do viés. Em cada 
um dos cenários, foram utilizados sete algoritmos de aprendizagem de 
máquina e três extratores de características em três bases de fake news 
distintas. Constatou-se uma melhora significativa às abordagens 
tradicionais, com aumento de até 29,28% na acurácia e de 50,72% no 
F1-Score dos modelos a partir da rotulação, com a proposta tendo 
apresentado os melhores índices na maioria dos experimentos avaliados, 
indicando que o viés político pode ser um fator importante no processo de 
classificação de notícias falsas. Os resultados também apontam para o 
classificador Support Vector Machine (SVM) e para o extrator de 
características LLAMA 2 como aqueles que obtiveram melhor desempenho, 
além da proposta se mostrar eficiente tanto para o texto, quanto para o 
título da notícia.

MEMBROS DA BANCA:
Externa à Instituição - NADIA FELIX FELIPE DA SILVA - UFG
Externo à Instituição - FABIO MANOEL FRANÇA LOBATO - UFOPA
Presidente - 1512321 - GEORGE DARMITON DA CUNHA CAVALCANTI