Historias inventadas, hechos distorsionados:las noticias falsas se están extendiendo como la pólvora en Internet y, a menudo, se comparten sin pensar, particularmente en las redes sociales. En respuesta, Los investigadores de Fraunhofer han desarrollado un sistema que analiza automáticamente las publicaciones en las redes sociales, filtrar deliberadamente noticias falsas y desinformación. Para hacer esto, la herramienta analiza tanto el contenido como los metadatos, clasificándolo utilizando técnicas de aprendizaje automático y aprovechando la interacción del usuario para optimizar los resultados a medida que avanza.

Las noticias falsas están diseñadas para provocar una respuesta específica o incitar a la agitación contra un individuo o un grupo de personas. Su objetivo es influir y manipular la opinión pública sobre temas específicos del día. Estas noticias falsas pueden extenderse como la pólvora por Internet, particularmente en las redes sociales como Facebook o Twitter. Qué es más, identificarlo puede ser una tarea complicada. Ahí es donde una herramienta de clasificación desarrollada por el Instituto Fraunhofer de Comunicación, Procesamiento de la información y ergonomía entra en juego FKIE, analizar automáticamente las publicaciones en las redes sociales y procesar grandes cantidades de datos.

Además de procesar texto, la herramienta también tiene en cuenta los metadatos en su análisis y entrega sus hallazgos en forma visual. "Nuestro software se centra en Twitter y otros sitios web. Los tweets son los enlaces que apuntan a las páginas web que contienen las noticias falsas reales. En otras palabras, las redes sociales actúan como un disparador, Si te gusta. Las noticias falsas a menudo se alojan en sitios web diseñados para imitar la presencia web de agencias de noticias y pueden ser difíciles de distinguir de los sitios genuinos. En muchos casos, se basarán en noticias oficiales, pero en el que se ha alterado la redacción, "explica el profesor Ulrich Schade de Fraunhofer FKIE, cuyo grupo de investigación desarrolló la herramienta.

Schade y su equipo comienzan el proceso construyendo bibliotecas compuestas por noticias serias y también textos que los usuarios han identificado como noticias falsas. Estos luego forman los conjuntos de aprendizaje utilizados para entrenar el sistema. Para filtrar las noticias falsas, los investigadores emplean técnicas de aprendizaje automático que buscan automáticamente marcadores específicos en textos y metadatos. Por ejemplo, en un contexto político, podrían ser formulaciones o combinaciones de palabras que rara vez ocurren en el lenguaje cotidiano o en los reportajes periodísticos, como "el actual canciller de Alemania". Los errores lingüísticos también son una señal de alerta. Esto es particularmente común cuando el autor de las noticias falsas estaba escribiendo en un idioma que no era su lengua materna. En esos casos, puntuación incorrecta, ortografía, Las formas verbales o la estructura de la oración son advertencias de una posible noticia falsa. Otros indicadores pueden incluir expresiones fuera de lugar o formulaciones engorrosas.

"Cuando suministramos al sistema una serie de marcadores, la herramienta se enseñará por sí misma a seleccionar los marcadores que funcionan. Otro factor decisivo es elegir el enfoque de aprendizaje automático que ofrecerá los mejores resultados. Es un proceso que requiere mucho tiempo, porque tienes que ejecutar los distintos algoritmos con diferentes combinaciones de marcadores, "dice Schade.

Los metadatos brindan pistas vitales

Los metadatos también se utilizan como marcador. En efecto, Desempeña un papel crucial en la diferenciación entre fuentes auténticas de información y noticias falsas:por ejemplo, con qué frecuencia se publican las publicaciones, cuándo está programado un tweet, y a que hora El momento de una publicación puede ser muy revelador. Por ejemplo, puede revelar el país y la zona horaria del autor de la noticia. Una frecuencia de envío alta sugiere bots, lo que aumenta la probabilidad de una noticia falsa. Los bots sociales envían sus enlaces a una gran cantidad de usuarios, por ejemplo, para difundir la incertidumbre entre el público. Las conexiones y los seguidores de una cuenta también pueden resultar un terreno fértil para los analistas.

Esto se debe a que permite a los investigadores crear mapas de calor y gráficos de los datos enviados, enviar redes de frecuencia y seguidores. Estas estructuras de red y sus nodos individuales se pueden utilizar para calcular qué nodo de la red hizo circular una noticia falsa o inició una campaña de noticias falsas.

Otra característica de la herramienta automatizada es su capacidad para detectar el discurso de odio. Las publicaciones que se hacen pasar por noticias, pero que también incluyen discursos de incitación al odio, a menudo se vinculan a noticias falsas. "Lo importante es desarrollar un marcador capaz de identificar casos claros de incitación al odio. Por ejemplo, expresiones como 'escoria política' o 'negro', "dice el lingüista y matemático.

Los investigadores pueden adaptar su sistema a varios tipos de texto para clasificarlos. Tanto los organismos públicos como las empresas pueden utilizar la herramienta para identificar y combatir las noticias falsas. "Nuestro software puede personalizarse y capacitarse para adaptarse a las necesidades de cualquier cliente. Para organismos públicos, puede ser un útil sistema de alerta temprana, "dice Schade.