Skip to main navigation menu Skip to main content Skip to site footer

Vol. 26 No. 114 (2022)
Communication, Negationism, Ideology and Science

Monographic

Disinformation about the Covid-19 vaccine in Brazil: measuring the reach and impacts of fake news on health

https://doi.org/10.26807/rp.v26i114.1951

Published 2022-10-26

  • Fernanda Vasques Ferreira
    • ,
  • Rafiza Varão
    • ,
  • Marco Boselli

Fernanda Vasques Ferreira
Universidade Católica de Brasília (UCB)

Rafiza Varão
Universidade de Brasília (UnB)

Marco Boselli
Universidade Federal de Uberlândia (UFU)

Abstract

In this text, we discuss the use of bots and artificial intelligence (AI) to combat the phenomenon of fake news and disinformation in the context of the Covid-19 pandemic. To this end, we selected content about vaccines checked and published by three Brazilian fact-checking agencies, as well as content about immunizers on Twitter. A bot in Python code measured the relationship and reach of these contents, evaluating possible impacts on the complex Brazilian social context, in May 2021. It is noticed that the use of AI can reduce the impacts of fake news on the media ecosystem. We highlight the importance of checking information and the need for it to have a scope and speed similar to the spread of fake news to save human lives by preventing through communication.

Keywords

disinformation; bots; Covid-19; vaccines.

PDF (Português (Brasil))

Author Biography

Fernanda Vasques Ferreira

PhD student in Communication at the University of Brasília, Master in Communication at the same institution. Professor of Journalism and Social Communication - Publicity and Propaganda courses at the Catholic University of Brasília (UCB)

Rafiza Varão

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

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.

References

  1. 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
  2. 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
  3. Chat Api (2019). A criação do Whatsapp bot em Python. O guia completo. https://chat-api.com/pt-br/whatsapp-bot-python.html
  4. Ferrara, E. (2020) What types of COVID-19 conspiracies are populated by Twitter bots?
  5. First Monday, 25, Number 6 - 1 doi: http://dx.doi.org/10.5210/fm.v25i6.10633
  6. Garcia, M. How to Make a Twitter Bot in Python With Tweepy. https://realpython.com/twitter-bot-python-tweepy/
  7. 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
  8. 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.
  9. https://doi.org/10.1073/pnas.2025334119
  10. 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
  11. Kertysova, K. (2018). Artificial Intelligence and Disinformation, Security and Human Rights, 29(1-4), 55-81. doi: https://doi.org/10.1163/18750230-02901005
  12. Koumchatzky, N. & Andryeyev, A. (2017). Using Deep Learning at Scale in Twitter’s Timelines
  13. https://blog.twitter.com/engineering/en_us/topics/insights/2017/using-deep-learning-at-scale-in-twitters-timelines
  14. 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.
  15. 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
  16. 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.
  17. 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
  18. 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
  19. 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
  20. 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.
  21. 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
  22. 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.
  23. https://arxiv.org/pdf/2003.13907.pdf
  24. 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
  25. 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
  26. 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