• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • El detector de noticias falsas

    Hay muchos métodos para determinar si las noticias son 'falsas, 'incluido el análisis de las características lingüísticas de las historias para extraer patrones clave. Crédito:Patrick Dodson

    Una historia en Reddit pregunta:"¿Reconocieron los palestinos a Texas como parte de México?" El origen de la historia puede ser dudoso, pero no evita que la historia de las "noticias falsas" acumule 1,5 millones de me gusta en varias plataformas en solo cuatro días. El dilema de las noticias falsas se remonta a siglos, según Politico, pero el avance de la tecnología y el auge de las redes sociales, ahora está en su cenit.

    El problema de las noticias falsas fascina a Shivam Parikh, estudiante de doctorado en la Facultad de Ingeniería y Ciencias Aplicadas de UAlbany. Parikh, en colaboración con el profesor asociado de informática Pradeep Atrey, presentado recientemente sobre el tema en el IEEE 1st International Conference on Multimedia Information Processing and Retrieval. Su papel "Detección de noticias falsas con contenido multimedia:una encuesta, "analiza los desafíos asociados con la detección de noticias falsas, enfoques de detección existentes que se basan en gran medida en análisis basados ​​en texto, y conjuntos de datos de noticias falsas populares.

    Las noticias falsas pueden ser cualquier contenido que no sea veraz y se genere para convencer a sus lectores de que crean en algo que no es cierto, dijo Parikh, que trabaja como analista de desarrollo de sistemas para ITS en UAlbany.

    El desafío para la detección de noticias falsas viene con la democratización de las fuentes de noticias, y lo fácil que hace la tecnología moderna compartir artículos de noticias en la era de las redes sociales.

    Parikh y Atrey se propusieron abordar varias piezas críticas del rompecabezas de las 'noticias falsas' con su artículo:

    • Las diversas plataformas que se pueden utilizar para difundir contenido de manera eficaz y amplia;
    • Los tipos de datos que pueden contener los artículos de noticias, y el impacto de cada tipo de datos en los lectores;
    • Los diferentes tipos de categorías de noticias falsas;
    • Métodos de detección de noticias falsas existentes; y
    • Conjuntos de datos actuales que están disponibles para la detección de noticias falsas.

    Los investigadores concluyen destacando los desafíos de la investigación abierta en el área de detección de noticias falsas.

    En 2017, dos tercios de los adultos estadounidenses reciben noticias de las redes sociales, un salto del 5 por ciento con respecto a 2016, según Reuters. No es sorprendente, esto representa una bendición y una maldición para los gustos de Facebook y Twitter:la estadística representa la popularidad de las plataformas, así como su papel como fuentes primarias para la difusión de noticias falsas.

    Pero mientras los gigantes de las redes sociales lidian con el mal uso de sus plataformas, también se enfrentan a la naturaleza abrumadora de su tarea. Las noticias falsas pueden adoptar muchas formas, incluyendo imágenes con Photoshop, contenido falso generado por el usuario o cuentas falsificadas, contenido basado en la red diseñado para atraer a una organización o grupo en particular, así como historias basadas en el conocimiento que contienen una explicación científica o razonable de problemas no resueltos, a menudo resulta en la difusión de información falsa.

    Pero aunque la tarea de detectar noticias falsas puede parecer abrumadora, hay varios métodos prometedores a disposición de los investigadores. Parikh y Atrey presentan una categorización de estos enfoques, sus características clave y luego analizar sus respectivas ventajas y limitaciones.

    Estos métodos incluyen enfoques que analizan las características lingüísticas de las historias para extraer patrones clave en noticias falsas, o modelado de engaño, que es el proceso de agrupar historias engañosas versus verdaderas. Otros enfoques incluyen el desarrollo de modelos predictivos que pueden asignar coeficientes positivos o negativos que pueden aumentar o disminuir la probabilidad de la verdad de una historia; o análisis de pistas de contenido, que se basa en la ideología de lo que a los periodistas les gusta escribir para los usuarios y lo que les gusta leer a los usuarios.

    Afortunadamente, los investigadores tienen amplio acceso a repositorios de artículos de "noticias falsas" en forma de conjuntos de datos disponibles públicamente, como BuzzFeedNews o LIAR. Pero si bien cada uno de los conjuntos de datos brinda una amplia oportunidad para estudiar modelos de detección lingüística, ninguno posee un método para analizar fotos, por ejemplo.

    "La presentación visual juega un papel muy importante en las personas que creen en el contenido de noticias falsas. Esto requiere la verificación no solo del idioma, pero imagenes, audio, contenido incrustado, como video incrustado, Pío, Publicación de Facebook e hipervínculos, "dijo Parikh.

    Parikh también aboga por un método de detección que pueda verificar la fuente de la noticia, y considere la confiabilidad o validez de la fuente una vez determinada. Una verificación de credibilidad del autor puede cumplir una función similar, donde se puede utilizar un sistema para detectar cadenas de noticias falsas escritas por el mismo autor o el mismo grupo de autores.

    Parikh sabe que solo ha arañado la superficie del tema. Todavía, está decidido a explorar el tema mientras realiza su doctorado en UAlbany.


    © Ciencia https://es.scienceaq.com