Repensando a detecção de notícias falsas para o mundo real

• Processo: 22/05002-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 04 de setembro de 2022
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Anderson de Rezende Rocha
• Beneficiário: Jing Yang
• Supervisor: Iryna Gurevych
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Technische Universität Darmstadt (TU Darmstadt), Alemanha
• Vinculado à bolsa: 19/04053-8 - Reconstrução de eventos a partir de dados visuais heterogêneos, BP.DR
• Assunto(s): Processamento de linguagem natural Inteligência artificial Aprendizado computacional Verificação de fatos Fake news
• Palavra(s)-Chave do Pesquisador: Fact-checking | Fake News Detection | natural language processing | Artificial Intelligence

Resumo

Devido ao impacto significativo das notícias falsas, muitos pesquisadores se dedicam a estudar a verificação automatizada de fatos (fact-checking). No entanto, jornalistas não confiam em soluções de caixa preta baseadas em aprendizado de máquina que tentam automatizar todo o pipeline de verificação de fatos. Ao mesmo tempo, os humanos também não podem fazer todo o trabalho sozinhos, pois bilhões de notícias e postagens de mídia social são geradas todos os dias. Este projeto visa preencher a lacuna entre jornalistas e algoritmos automatizados, para que eles possam se complementar para alcançar escalabilidade e explicabilidade. Para escalabilidade, nosso objetivo é gerar e classificar grandes volumes de afirmações extraídas de redes sociais, explorando suas estruturas em grafos. Para explicabilidade, tentamos gerar perguntas de alta qualidade com base na estrutura sintática da afirmação sendo verificada e no seu significado semântico; em seguida, as explicações são formadas ao extrair respostas às perguntas anteriormente geradas. Nas duas direções de pesquisa, utilizamos avaliações humanas (human-in-the-loop) para análise qualitativa e anotação de dados. As soluções desenvolvidas no projeto podem fornecer aos jornalistas ferramentas úteis para aumentar a eficiência da verificação e mais transparência para a verificação automatizada de fatos. (AU)