Ir para o menu de navegação principal Ir para o conteúdo principal Ir para o rodapé

v. 26 n. 114 (2022)
Comunicação, Negacionismo, Ideologia e Ciência

Monográfico

Desinformação sobre a vacina da Covid-19 no Brasil: : medição de alcance e impactos das fake news na saúde

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

Publicado 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)

Resumo

Neste texto, discutimos o uso de bots e de inteligência artificial (IA) para combater o fenômeno das fake news e desinformação no contexto da pandemia da Covid-19. Para tanto, selecionamos conteúdos sobre vacinas checados e divulgados por três agências de fact-checking brasileiras, bem como conteúdos sobre os imunizantes no Twitter. Um bot em código Python mediu a relação e o alcance desses conteúdos, avaliando possíveis impactos no contexto social complexo brasileiro, no mês de maio de 2021. Percebe-se que o uso de IA pode reduzir os impactos das fake news no ecossistema midiático. Destacamos a importância da checagem das informações e da necessidade de que ela tenha alcance e rapidez semelhante ao da disseminação das fake news para salvar vidas humanas prevenindo pela comunicação.

Palavras-chave

desinformação; bots; Covid-19; vacinas.

PDF

Biografia do Autor

Fernanda Vasques Ferreira

Estudiante de Doctorado en Comunicación en la Universidad de Brasilia, Magíster en Comunicación en la misma institución. Profesor de Periodismo y Comunicación Social - Cursos de Publicidad y Propaganda en la Universidad Católica de Brasilia (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.

Referências

  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