Uma abordagem híbrida para detecção de notícias falsas: Aprendizado de Máquina e Verificação Baseada em Conhecimento

• Caroline Barbosa de Oliveira Lira Universidade de São Paulo (USP) http://orcid.org/0000-0001-5376-1071
• Kamila Rios da Hora Rodrigues Universidade de São Paulo (USP) https://orcid.org/0000-0001-9176-8709

DOI: https://doi.org/10.5753/ihc.2025.10924

Resumo

Introdução: A disseminação de notícias falsas (fake news) se tornou uma problemática de escala global. Eventos como pandemias, conflitos armados, guerras comerciais e processos eleitorais marcados por intensa polarização transformaram as redes sociais em canais propícios à manipulação, à difusão de teorias da conspiração e à veiculação de discursos de protesto e de ódio. As vulnerabilidades humanas — notadamente as de ordem cognitiva — são frequentemente exploradas, especialmente no caso de pessoas idosas, para fomentar a circulação de desinformação. Objetivo: O presente trabalho descreve a proposta de uma abordagem híbrida com o objetivo de reduzir a disseminação e o compartilhamento de fake news em redes sociais, utilizando recursos acessíveis de verificação por meio de uma estratégia inicialmente fundamentada na disseminação do conhecimento, seguida pela incorporação de ferramentas específicas de detecção automática de notícias falsas, baseadas em técnicas de Aprendizado de Máquina. Metodologia: Um corpus de notícias em língua portuguesa foi previamente refinado, e testes foram realizados para avaliar sua acurácia. Resultados: Os resultados demonstraram desempenho promissor em relação à precisão, levando à implementação desse corpus na ferramenta ADA. Tal ferramenta, destinada à verificação da veracidade de notícias, foi desenvolvida por meio de técnicas de Design Participativo (DP) com o público 60+, visando promover o engajamento e incentivar a adesão ao uso da tecnologia como suporte na identificação de fake news. Os resultados apontam para uma ferramenta com boa adesão do público alvo testado e com recursos de acessibilidade.

Palavras-chave: Notícias falsas, Abordagem Híbrida, Verificação baseada em conhecimento, Aprendizado de Máquina, Ferramenta ADA

Referências

Abras, C., Maloney-Krichmar, D., Preece, J., et al. (2004). User-centered design. Bainbridge, W. Encyclopedia of Human-Computer Interaction. Thousand Oaks: Sage Publications, 37(4):445–456.

Baarir, N. F. e Djeffal, A. (2021). Fake news detection using machine learning. In 2020 2nd International Workshop on Human-Centric Smart Environments for Health and Well-being (IHSH), pages 125–130.

Barbosa, S. e Silva, B. (2010). Interação humano-computador. Elsevier Brasil.

Braddock, K. (2022). Vaccinating against hate: Using attitudinal inoculation to confer resistance to persuasion by extremist propaganda. Terrorism and political violence, 34(2):240–262.

Brashier, N. M. e Schacter, D. L. (2020). Aging in an era of fake news. Current directions in psychological science, 29(3):316–323. Disponível em: [link]. Acesso em: Maio de 2025.

Cooper, A., Reimann, R., Cronin, D., e Noessel, C. (2014). About face: the essentials of interaction design. John Wiley & Sons.

da Silva Junior, D. P., Alves, D. D., Carneiro, N., Matos, E. d. S., Baranauskas, M. C. C., e Mendoza, Y. L. M. (2024). Grandihc-br 2025-2035 - gc1: New theoretical and methodological approaches in hci. In Proceedings of the XXIII Brazilian Symposium on Human Factors in Computing Systems, IHC ’24, New York, NY, USA. Association for Computing Machinery.

Della Vedova, M. L., Tacchini, E., Moret, S., Ballarin, G., Di Pierro, M., e De Alfaro, L. (2018). Automatic online fake news detection combining content and social signals. In 22nd Conference of Open Innovations Association (FRUCT), pages 272–279. IEEE.

Faceli, K., Lorena, A. C., Gama, J., Almeida, T. A. d., e Carvalho, A. C. P. d. L. F. d. (2021). Inteligência artifcial: uma abordagem de aprendizado de máquina. LTC. Disponível em: [link]. Acesso em: Maio 2025.

Galvão, M. C. T. (2023). O uso das ferramentas de comunicação instantânea na comunicação interna de uma instituição: um estudo na ufrn. Disponível em: [link]. Acesso em: Maio 2025.

Gaspar, R. d. P., Bonacin, R., e Gonçalves, V. (2021). Um estudo sobre atividades participativas para soluções iot para o home care de pessoas idosas. arXiv preprint arXiv:2103.01078. Disponível em: [link]. Acesso em maio 2025.

Guess, A. M., Lerner, M., Lyons, B., Montgomery, J. M., Nyhan, B., Reifer, J., e Sircar, N. (2020). A digital media literacy intervention increases discernment between mainstream and false news in the united states and india. Proceedings of the National Academy of Sciences, 117(27):15536–15545.

Jouhar, J., Pratap, A., Tijo, N., e Mony, M. (2024). Fake news detection using python and machine learning. Procedia Computer Science, 233:763–771.

Kong, S. H., Tan, L. M., Gan, K. H., e Samsudin, N. H. (2020). Fake news detection using deep learning. In 2020 IEEE 10th symposium on computer applications & industrial electronics (ISCAIE), pages 102–107. IEEE.

Lira, C. e Rodrigues, K. (2023). Ada - ferramenta para detecção automática de notícias falsas. In Anais Estendidos do XXII Simpósio Brasileiro sobre Fatores Humanos em Sistemas Computacionais, pages 160–164, Porto Alegre, RS, Brasil. SBC.

Lowdermilk, T. (2019). Design centrado no usuário: um guia para o desenvolvimento de aplicativos amigáveis. Novatec Editora.

Manning, C. D., Raghavan, P., e Schütze, H. (2008). Introduction to information retrieval, volume 39. Cambridge University Press, Cambridge.

Melo, A. e Abelheira, R. (2015). Design Thinking & Thinking Design: Metodologia, ferramentas e uma refexão sobre o tema. Novatec Editora.

Monteiro, R. A., Santos, R. L. S., Pardo, T. A. S., Almeida, T. A., Ruiz, E. E. S., e Vale, O. A. (2018). Contributions to the study of fake news in portuguese: New corpus and automatic detection results. In International Conference on Computational Processing of the Portuguese Language, pages 324–334. Springer.

Moreira Filho, J. L. (2021). Python para linguística de corpus: guia prático. Ilexis.net.it Editora.

Neris, V. P. A., Rosa, J. C. S., Maciel, C., Pereira, V. C., Galvão, V. F., e Arruda, I. L. (2024). Grandihc-br 2025-2035 - gc4: Sociocultural aspects in human-computer interaction. In Proceedings of the XXIII Brazilian Symposium on Human Factors in Computing Systems, IHC ’24, New York, NY, USA. Association for Computing Machinery.

Ng, A. W., Lo, H. W., e Chan, A. H. (2011). Measuring the usability of safety signs: A use of system usability scale (sus). In proceedings of the International MultiConference of Engineers and Computer Scientists, volume 2, pages 1296–1301. IAENG Hong Kong. Disponível em: [link]. Acesso em: maio 2025.

Rogers, Y., Sharp, H., e Preece, J. (2013). Design de interação. Bookman Editora.

Santos, R. L. d. S. (2022). Detecção automática de notícias falsas em português. PhD thesis, Universidade de São Paulo. Disponível em: [link]. Acesso em maio 2025.

Talwar, S., Dhir, A., Singh, D., Virk, G. S., e Salo, J. (2020). Sharing of fake news on social media: Application of the honeycomb framework and the third-person effect hypothesis. Journal of Retailing and Consumer Services, 57:102197.

Van der Linden, S., Roozenbeek, J., et al. (2020). Psychological inoculation against fake news. The psychology of fake news: Accepting, sharing, and correcting misinformation, pages 147–169.

Zervopoulos, A., Alvanou, A. G., Bezas, K., Papamichail, A., Maragoudakis, M., e Kermanidis, K. (2020). Hong kong protests: using natural language processing for fake news detection on twitter. In IFIP international conference on artificial intelligence applications and innovations, pages 408–419. Springer.