FakeSpread: Um framework para análise de propagação de fake news na Web

• Anderson Cordeiro Universidade Federal do Rio de Janeiro
• Jonice de Oliveira Sampaio Universidade Federal do Rio de Janeiro
• Lívia Ruback Universidade Federal Rural do Rio de Janeiro

DOI: https://doi.org/10.5753/waihcws.2020.12342

Resumo

O avanço das mídias sociais como ferramenta de comunicação impulsiona a disseminação de notícias, tornando-a mais rápida, escalável e consequentemente dificultando a avaliação quanto a veracidade de uma informação, fazendo com que as fake news sejam um fenômeno com desdobramentos cada vez mais sérios no contexto político, social e humano. Identificar a procedência de uma notícia falsa e compreender os caminhos que a tornam popular é uma importante estratégia de combate à indústria de fake news. O objetivo deste trabalho é analisar a propagação de fake news na Web, a partir de métricas da teoria dos grafos, considerando a sua estrutura de rede. Apresentamos como estudo de caso uma análise da propagação de fake news por sites listados pela CPMI das fake news, proposta pelo congresso brasileiro.

Palavras-chave: Fake news, desinformação, teoria dos grafos

Referências

Baeth, M. J., & Aktas, M. S. (2018). Detecting misinformation in social networks using provenance data.
BRASIL. Senado Federal. Comissão Parlamentar Mista de Inquérito - Fake News. 2019. Disponível em: https://legis.senado.leg.br/comissoes/comissao?0&codcol=2292. Acesso em: 06 ago. 2020.
Conroy, N. J., Rubin, V. L., & Chen, Y. (2015). Automatic deception detection: Methods for finding fake news. Proceedings of the Association for Information Science and Technology, 52, 1-4.
Duong, C. T., Nguyen, Q. V. H., Wang, S., & Stantic, B. (2017). Provenance-Based Rumor Detection. Databases Theory and Applications, 125–137.
Gdi, Global Disinformation Index (2019). The Quarter Billion Dollar Question: How is Disinformation Gaming Ad Tech?
Hu, Y. (2005). Efficient, high-quality force-directed graph drawing. Mathematica Journal, 10(1):37–71.
Kleinberg, J., Easley, D. Networks, Crowds, and Markets: Reasoning about a Highly Cambridge University Press, 2010.
Newman, M. J. Networks: An Introduction. [S.l.]: Oxford University Press, 2010.
Ratkiewicz, J., Conover, M., Meiss, M., Gonçalves, B., Patil, S., Flammini, A., & Menczer, F. (2011). Truthy: Mapping the spread of astroturf in microblog streams. Proceedings of the 20th International Conference Companion on World Wide Web (WWW ’11), 249–252.
Ribeiro, A. G. (2014). Mulher morta após boato em rede social é enterrada em Guarujá, SP. Disponível em Acesso: 10.ago.2020.
Sanchotene, C., Machado da Silveira, A. C., & de Lima Lavarda, S. (2017). Quando as notícias mais compartilhadas são falsas: a circulação de boatos durante a semana do impeachment no Facebook. Comunicação & Informação, 20(3), 99-112.
Shalders, A. (2020). O que se sabe sobre o inquérito que levou às buscas e quebras de sigilo contra apoiadores de Bolsonaro. Disponível em https://bbc.in/30WZYzC>. Acesso: 10.ago.2020.
Shao, C., Ciampaglia, G. L., Flammini, A., & Menczer, F.(2016). Hoaxy: A Platform for Tracking Online Misinformation.
Shu, K., Bernard, H. R., & Liu, H. (2018). Studying Fake News via Network Analysis: Detection and Mitigation. Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining, 43–65.
Siqueira, A. (2020). Sleeping Giants Brasil: “Governo dissemina ódio com dinheiro público” Disponível em . Acesso: 10.ago.2020.
Tardaguila, C., Mares, C. (2018). Dez notícias falsas com 865 mil ompartilhamentos: o lixo digital do 1º turno. Disponível em . Acesso: 10.ago.2020.