Avaliação da integração de abordagens de verificação de fake news

A agilidade com que se pode produzir, divulgar e consumir informações em virtude da internet não só democratizou o acesso à informação, como também gerou abundância desta, tendo como efeito colateral a facilitação da propagação de informações falsas ou tendenciosas, denominadas popularmente como Fake News. Devido ao alto volume e efemeridade dos dados, métodos automatizados com técnicas de inteligência artificial tornam-se essenciais no processo de verificação de Fake News. A partir da leitura do estado da arte, observa-se que as abordagens existentes possuem limitações de aplicabilidade em contextos específicos e que não há uma abordagem capaz de lidar com diversos contextos sem comprometer seus resultados. Com base nisto, este trabalho propõe a integração de dois métodos para avaliar a integração de métodos distintos de verificação de Fake News com o intuito de ampliar a abrangência de aplicação em contextos diferentes. O método de classificação de texto obteve acurácia de 95,33% com uso de Random Forest, enquanto o método de fact-checking com question answering foi capaz de responder adequadamente as perguntas elaboradas. Foi proposta uma metodologia de comparação para analisar qualitativamente os resultados dos experimentos, que permitiu identificar contribuições e trabalhos futuros. Os textos classificados como falso-negativos no experimento de classificação serviram de subsídio para a elaboração das perguntas testadas no experimento de fact-checking com question answering, validando a complementaridade entre os métodos.