Caracterização da reação de agências de fact-checking às publicações sobre a pandemia da COVID-19 em redes sociais
Resumo
Desde o início da pandemia da COVID-19, percebe-se, especialmente em redes sociais online, a geração de muito conteúdo sobre esse assunto. As redes sociais são um meio importante de comunicação, porém, criam um espaço bem utilizado para disseminação de desinformação. Este trabalho se propõe a caracterizar como as agências de fact-checking têm reagido no combate às informações falsas sobre a COVID-19 que circulam no Twitter e no Facebook. Foram coletadas matérias de fact-checking sobre a COVID-19 escritas por agências especializadas de diferentes países. Através das notícias verificadas, buscou-se por postagens de mídias sociais em que a desinformação começou a ser disseminada. Após a coleta desse material, verificou-se em quanto tempo as agências analisam a veracidade da notícia e reagem a ela. Além disso, também realizou-se o processamento dos textos das notícias a fim de detectar se os assuntos que estão sendo tratados pelas agências são, de fato, os que possuem maior engajamento dos usuários dentro das redes sociais analisadas. Os resultados mostraram que o tempo de resposta das agências foi, em média, de 23 dias no caso de publicação da notícia falsa no Twitter e de 6 dias no Facebook.
Referências
Afonso, N. (2020). ´E falso que oms desaconselhou a aplicação de medidas de isolamento social. Agência Lupa.
AFP (2020). This video shows a mock funeral procession during an anti-citizenship law protest in india in 2019. Acessado em 26/01/2021: [link].
Amapa, O. (2020). Oms: transmissão de covid-19 a partir de assintomáticos é “muito rara. Amapá Online.
Bento, G. M. and Santos, R. T. d. (2018). Avaliação de métodos de remoção de outliers e seus impactos na precisão dos métodos de interpolação. 1º Simpósio Mato-Grossense de Mecanização Agrícola e Agricultura de Precisão SIMAP, 1.
Blei, D. M. and Lafferty, J. D. (2009). Topic models. Chapman and Hall/CRC, pages 101–124.
Brennen, D. J. S., Simon, F., Howard, D. P. N., and Nielsen, P. R. K. (2020). Types, sources, and claims of covid-19 misinformation.
Broniatowski, D. A., Jamison, A. M., Qi, S., AlKulaib, L., Chen, T., Benton, A., Quinn, S. C., and Dredze, M. (2018). Weaponized health communication: Twitter bots and russian trolls amplify the vaccine debate. American Journal of Public Health, 108(10):1378–1384. PMID: 30138075.
Castillo, C., Mendoza, M., and Poblete, B. (2011). Information credibility on twitter. In Proceedings of the 20th International Conference on World Wide Web, WWW ’11, page 675–684, New York, NY, USA. Association for Computing Machinery.
Cinelli, M., Quattrociocchi, W., Galeazzi, A., Valensise, C. M., Brugnoli, E., Schmidt, A. L., Zola, P., Zollo, F., and Scala, A. (2020). The covid-19 social media infodemic. Scientific Reports, 10(1):16598.
Goeking, W. (2020). Auxílio emergencial é alvo de golpes na internet; veja como evitar ciladas. Valor Investe.
Jordan, S. E., Hovet, S. E., Fung, I. C.-H., Liang, H., Fu, K.-W., and andZion Tsz Ho Tse (2019). Using twitter for public health surveillance from monitoring and prediction to public response. Data.
Larson, H. J. (2018). The biggest pandemic risk? viral misinformation. (562).
Lewandowsky, S., Ecker, U. K. H., Seifert, C. M., Schwarz, N., and Cook, J. (2012). Misinformation and its correction: Continued inuence and successful debiasing. Psychological Science in the Public Interest, 13(3):106–131. PMID: 26173286.
Lima, S. (2021). Não há provas de que vídeo de mulher tremendo ao caminhar tenha relação com vacina da pfizer. Acessado em 06/03/2021: [link].
Moraes, M. (2020). Brasil lidera desinformação sobre número de casos e mortes por covid-19 no mundo. Acessado em 12/06/2020.
Poynter (2020). The coronavirusfacts/datoscoronavirus alliance database.
Röder, M., Both, A., and Hinneburg, A. (2015). Exploring the space of topic coherence measures. In Proceedings of the Eighth ACM International Conference on Web Search and Data Mining, WSDM ’15, page 399–408, New York, NY, USA. Association for Computing Machinery.
Shah, Z., Surian, D., Dyda, A., Coiera, E., Mandl, K. D., and Dunn, A. G. (2019). Automatically appraising the credibility of vaccine-related web pages shared on social media: A twitter surveillance study. J Med Internet Res.
Sousa Jr, J. H., Raasch, M., Soares, J. C., Virgínia, L., and de Sousa Ribeiro, H. A. (2020). Da desinformação ao caos: uma análise das fake news frente à pandemia do coronavírus (covid-19) no brasil. Cadernos de Prospecção.
Tandoc Jr, E. C., Lim, Z. W., and Ling, R. (2018). Defining “fake news”. Digital Journalism, 6(2):137–153.
Vlachos, A. and Riedel, S. (2014). Fact checking: Task definition and dataset construction. In Proceedings of the ACL 2014 Workshop on Language Technologies and Computational Social Science, pages 18–22, Baltimore, MD, USA. Association for Computational Linguistics.
Vogel, L. (2017). Viral misinformation threatens public health. CMAJ, 189(50):E1567– E1567.
WHO (2020). (covid-19) situation report disease Coronavirus World Health Organization. Acessado – em 07/06/2020: 139. [link].
