Detecção Automática de Fake News: Revisão Sistemática
Resumo
A adesão às redes sociais tem permitido o fácil acesso à informações com um clique, oferecendo mecanismos com amplo alcance de divulgação. Porém, o grande volume de compartilhamento, bem como o desafio de validar a veracidade dos dados, promove um ambiente favorável para a proliferação de notícias falsas. Com o aumento das fake news, estudos têm sido realizados para identificar notícias falsas usando Processamento de Linguagem Natural. Este artigo apresenta uma revisão sistemática de estudos brasileiros e internacionais sobre a detecção de notícias falsas. Os resultados mostram que o Twitter é a rede social mais estudada pelos artigos e o Support Vector Machine e Naive Bayes são os algoritmos de classificação mais aplicados.Referências
Allcott, H. and Gentzkow, M. (2017). Social media and fake news in the 2016 election. Journal of Economic Perspectives.
Cerrao, N. G., CASTRO, F. F. d., and JESUS, A. F. d. (2018). O método de revisão sistemática da literatura (rs) na área da ciência da informação no brasil: análise de dados de pesquisa. Informação & Tecnologia.
DataReportal (2023). DIGITAL 2023: GLOBAL OVERVIEW REPORT. Disponível em: [link]. Acesso em: 02 Maio 2023.
de Almeida, L. D., Fuzaro, V., Nieto, F. V., and Santana, A. L. (2021). Identificação de “fake news” no contexto político brasileiro: uma abordagem computacional. Anais do II Workshop sobre as Implicações da Computação na Sociedade.
Keele, S. et al. (2007). Guidelines for performing systematic literature reviews in software engineering. Technical report, Technical report, Ver. 2.3 EBSE Technical Report. EBSE.
Khan, Y. and Thakur, S. (2022). Fake news detection of south african covid-19 related tweets using machine learning. International Conference on Artificial Intelligence, Big Data, Computing and Data Communication Systems (icABCD).
Kumar, S., Kumar, S., Yadav, P., and Bagri, M. (2021). A survey on analysis of fake news detection techniques. International Conference on Artificial Intelligence and Smart Systems (ICAIS).
Martín, A., Huertas-Tato, J., Álvaro Huertas-García, Villar-Rodríguez, G., and Camacho, D. (2022). Facter-check: Semi-automated fact-checking through semantic similarity and natural language inference. Knowledge-Based Systems, 251.
Medeiros, F. D. and Braga, R. B. (2020). Fake news detection in social media: A systematic review.
Oshikawa, R., Qian, J., and Wang, W. Y. (2020). A survey on natural language processing for fake news detection.
Reuters, I. and of Oxford, U. (2021). Reuters Institute Digital News Report 2021. Acesso em: 18 Maio 2022.
Sharma, K., Qian, F., Jiang, H., Ruchansky, N., Zhang, M., and Liu, Y. (2019). Combating fake news: A survey on identification and mitigation techniques. ACM Trans. Intell. Syst. Technol.
Sousa, F., Barbosa, A., Oliveira, C., and Braga, R. (2022). Detecção de fake news em língua portuguesa combinando redes neurais convolucionais e algoritmos de aprendizagem de máquina. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos.
Zhang, L., Huang, G., and Khan, M. (2022). A hybrid approach for network rumor detection based on attention mechanism and bidirectional gru model in big data environment. Mob. Inf. Syst., 2022.
Cerrao, N. G., CASTRO, F. F. d., and JESUS, A. F. d. (2018). O método de revisão sistemática da literatura (rs) na área da ciência da informação no brasil: análise de dados de pesquisa. Informação & Tecnologia.
DataReportal (2023). DIGITAL 2023: GLOBAL OVERVIEW REPORT. Disponível em: [link]. Acesso em: 02 Maio 2023.
de Almeida, L. D., Fuzaro, V., Nieto, F. V., and Santana, A. L. (2021). Identificação de “fake news” no contexto político brasileiro: uma abordagem computacional. Anais do II Workshop sobre as Implicações da Computação na Sociedade.
Keele, S. et al. (2007). Guidelines for performing systematic literature reviews in software engineering. Technical report, Technical report, Ver. 2.3 EBSE Technical Report. EBSE.
Khan, Y. and Thakur, S. (2022). Fake news detection of south african covid-19 related tweets using machine learning. International Conference on Artificial Intelligence, Big Data, Computing and Data Communication Systems (icABCD).
Kumar, S., Kumar, S., Yadav, P., and Bagri, M. (2021). A survey on analysis of fake news detection techniques. International Conference on Artificial Intelligence and Smart Systems (ICAIS).
Martín, A., Huertas-Tato, J., Álvaro Huertas-García, Villar-Rodríguez, G., and Camacho, D. (2022). Facter-check: Semi-automated fact-checking through semantic similarity and natural language inference. Knowledge-Based Systems, 251.
Medeiros, F. D. and Braga, R. B. (2020). Fake news detection in social media: A systematic review.
Oshikawa, R., Qian, J., and Wang, W. Y. (2020). A survey on natural language processing for fake news detection.
Reuters, I. and of Oxford, U. (2021). Reuters Institute Digital News Report 2021. Acesso em: 18 Maio 2022.
Sharma, K., Qian, F., Jiang, H., Ruchansky, N., Zhang, M., and Liu, Y. (2019). Combating fake news: A survey on identification and mitigation techniques. ACM Trans. Intell. Syst. Technol.
Sousa, F., Barbosa, A., Oliveira, C., and Braga, R. (2022). Detecção de fake news em língua portuguesa combinando redes neurais convolucionais e algoritmos de aprendizagem de máquina. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos.
Zhang, L., Huang, G., and Khan, M. (2022). A hybrid approach for network rumor detection based on attention mechanism and bidirectional gru model in big data environment. Mob. Inf. Syst., 2022.
Publicado
23/11/2023
Como Citar
BARBOSA, Alice; SOUSA, Felipe; BRAGA, Reinaldo.
Detecção Automática de Fake News: Revisão Sistemática. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ (ERCEMAPI), 11. , 2023, Aracati/CE.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 42-51.
DOI: https://doi.org/10.5753/ercemapi.2023.236262.
