Información errónea sobre la vacuna Covid-19 en Brasil: midiendo el alcance y los impactos de las noticias falsas en la salud

Barra lateral del artículo

PDF (Português (Brasil))
Publicado: oct. 26, 2022
DOI: https://doi.org/10.26807/rp.v26i114.1951
Palabras clave:
desinformación; bots; COVID-19; vacunas.

Contenido principal del artículo

Fernanda Vasques Ferreira
Universidade Católica de Brasília (UCB)
Rafiza Varão
Universidade de Brasília (UnB)
Marco Boselli
Universidade Federal de Uberlândia (UFU)

Resumen

En este texto, discutimos el uso de bots e inteligencia artificial (IA) para combatir el fenómeno de las noticias falsas y la desinformación en el contexto de la pandemia Covid-19. Para ello, seleccionamos contenido sobre vacunas que fueron revisados ​​y difundidos por tres agencias brasileñas de verificación de datos, así como contenido sobre agentes inmunizantes en Twitter. Un bot en código Python midió la relación y alcance de estos contenidos, evaluando posibles impactos en el complejo contexto social brasileño, en mayo de 2021. Se advierte que el uso de IA puede reducir los impactos de las fake news en el ecosistema mediático. Destacamos la importancia de verificar la información y la necesidad de que tenga un alcance y velocidad similar a la difusión de noticias falsas para salvar vidas humanas preveniendo por la comunicación.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Ferreira, F. V., Varão, R., & Boselli, M. (2022). Información errónea sobre la vacuna Covid-19 en Brasil:: midiendo el alcance y los impactos de las noticias falsas en la salud. Razón Y Palabra, 26(114). https://doi.org/10.26807/rp.v26i114.1951
Número
Vol. 26 Núm. 114 (2022): Comunicación, Negacionismo, Ideología y Ciencia
Sección
Monográfico
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Biografía del autor/a

Fernanda Vasques Ferreira, Universidade Católica de Brasília (UCB)

Doutoranda em Comunicação pela Universidade de Brasília, mestre em Comunicação pela mesma instituição. Professora dos cursos de Jornalismo e Comunicação Social - Publicidade e Propaganda da Universidade Católica de Brasília (UCB)

Rafiza Varão, Universidade de Brasília (UnB)

Doutora em Comunicação pela Universidade de Brasília (UnB), professora do departamento de Jornalismo da Universidade de Brasília (UnB) e coordenadora da Rede Nacional de Observatórios da Imprensa (RENOI). Professora visitante da Universidade de Concordia, Montreal, Canadá. Dedica-se a estudos na área de jornalismo, teorias da comunicação, ética e desinformação. Membra do grupo de pesquisa GINC - Grupo de Estudos Multidisciplinares em Linguagens, Comunicação e Cultura.

Marco Boselli, Universidade Federal de Uberlândia (UFU)

Pós-Doutorado na Université Pierre et Marie Curie, LISE/CNRS, França. Doutorado em Física pela Universidade Estadual de Campinas. Professor Associado da Universidade Federal de Uberlândia (UFU). Membro do grupo de pesquisa GINC - Grupo de Estudos Multidisciplinares em Linguagens, Comunicação e Cultura.

Citas

Abonizio, H. Q., Morais, J. I., Tavares, G. M. & Barbon Junior, S. (2020). Language-Independent Fake News Detection: English, Portuguese, and Spanish Mutual Features. Future Internet, 12, 87. https://doi.org/10.3390/fi12050087

Barcelos, T. N., Muniz, L. N., Dantas, D. M., Cotrim Junior, D. F., Cavalcante, J. R., Faerstein, E. (2021) Análise de fake news veiculadas durante a pandemia de COVID-19 no Brasil. Rev. Panam. Salud Publica, 45, pp. 1-8. https://doi.org/10.26633/RPSP.2021.65

Chat Api (2019). A criação do Whatsapp bot em Python. O guia completo. https://chat-api.com/pt-br/whatsapp-bot-python.html

Ferrara, E. (2020) What types of COVID-19 conspiracies are populated by Twitter bots?

First Monday, 25, Number 6 - 1 doi: http://dx.doi.org/10.5210/fm.v25i6.10633

Garcia, M. How to Make a Twitter Bot in Python With Tweepy. https://realpython.com/twitter-bot-python-tweepy/

Glik, D. (2007). Risk communication for public health emergencies. Annual Review of Public Health, 28, 33-54. https://doi.org/10.1146/annurev.publhealth.28.021406.144123

Huszár, F., Ktena, S. I., O’Brien, C., Beli, L., Schlaikjer, A., Hardt, M. Algorithmic amplification of politics on Twitter. (2022) PANAS, 119, pp e2025334119.

https://doi.org/10.1073/pnas.2025334119

Katsaros, D.; Stavropoulos, G. & Papakostas, D. (2019) Which machine learning paradigm for fake news detection?, WI ’19, October 14–17, https://doi.org/10.1145/3350546.3352552

Kertysova, K. (2018). Artificial Intelligence and Disinformation, Security and Human Rights, 29(1-4), 55-81. doi: https://doi.org/10.1163/18750230-02901005

Koumchatzky, N. & Andryeyev, A. (2017). Using Deep Learning at Scale in Twitter’s Timelines

https://blog.twitter.com/engineering/en_us/topics/insights/2017/using-deep-learning-at-scale-in-twitters-timelines

Moura, D. O. (2008). Comunicação em saúde: apenas remediar ou participar e prevenir? In Mendonça, V. et al. (Org.). Comunicação da informação em saúde: aspectos de qualidade. Brasília: CID/UnB, 2008.

Organização Pan-americana da Saúde. (2020). Página Informativa nº 5 Entenda a infodemia e a desinformação na luta contra a COVID-19. Brasil: https://iris.paho.org/bitstream/handle/10665.2/52054/Factsheet-Infodemic_por.pdf?sequence=14

Paganotti, I. (2018). Notícias falsas, problemas reais: propostas de intervenção contra noticiários fraudulentos. In Costa & Blanco (orgs.). Pós-tudo e crise da democracia (pp. 96-105). São Paulo: ECA-USP. Doi: 10.11606/9788572052092.

Pérez-Dasilva, J.A., Meso-Ayerdi, K. & Mendiguren-Galdospín, T. (2020). Fake news y coronavirus: detección de los principales actores y tendencias a través del análisis de las conversaciones en Twitter. El profesional de la información, v. 29, n. 3, e290308. https://doi.org/10.3145/epi.2020.may

Pinheiro, M. M. K. & Brito, V. P. (2014). Em busca do significado da desinformação. DataGramaZero, 15, 6. http://hdl.handle.net/20.500.11959/brapci/8068

Recuero, R. (2021). Desinformação, mídia social e COVID-19 no Brasil: relatório, resultados e estratégias de combate. Pelotas, RS: MIDIARS - Grupo de Pesquisa em Mídia Discurso e Análise de Redes Sociais. Recuperado de https://wp.ufpel.edu.br/midiars/files/2021/05/Desinformac%CC%A7a%CC%83o-covid-midiars-2021-1.pdf

Ruediguer, M. A., Liguori Filho, C. A., Santos, E. F., Santos, G. K., Salvador, J. P. F., Karolczak, R. M., Guimarães, T., Aquino, T. M., Silveira, V. D. (2019). Bots e o Direito Eleitoral Brasileiro: nas eleições de 2018. FGV DAPP. http://hdl.handle.net/10438/26227.

Shchur, A. (2020). Fake news detector with deep learning approach (Part-I) EDA. Recuperado em 25 julho de 2021 de Medium.com: https://towardsdatascience.com/fake-news-detector-with-deep-learning-approach-part-i-eda-757f5c052

Singh, L., Bansal, S., Bode, L., Budak, C., Chi, G., Kawintiranon, K., Padden, C., Vanarsdall, R., Vraga, E. & Wang, Y. (2020). A first look at COVID-19 information and misinformation sharing on Twitter.

https://arxiv.org/pdf/2003.13907.pdf

Vosoughi, S., Roy, D., Aral, S. (2018) The spread of true and false news online. Science 359, 1146–1151. https://www.science.org/doi/10.1126/science.aap9559

Xu, G., Mu, Y. & Liu, J. (2018) Inclusion of artificial intelligence in communication networks and services. Itu Journal: ICT Discoveries, 1 (1). https://www.itu.int/en/journal/001/Documents/ITU2017-4.pdf

Wardle, C. (Fevereiro, 2017). Fake news. It’s complicated. Recuperado em 28 de maio de 2021 de Medium.com. https://medium.com/1st-draft/fake-newsits-complicated-d0f773766c79