A docente Luciana Lima, em parceria com pesquisadores de outras instituições nacionais e internacionais, publicou recentemente o artigo “Illusion of Truth: Analysing and Classifying COVID-19 Fake News in Brazilian Portuguese Language”. Dois meses após a divulgação do primeiro caso de Covid-19 em 31 de dezembro de 2019 em Wuhan China, a OMS declarou após o status de “infodemia”: ou seja, estava sendo produzido um volume excepcional de informações sobre a doença, porém, nem sempre de fonte confiável. A disseminação de informações falsas e de teorias da conspiração podem colocar em risco a vida de muitas pessoas, representando assim graves ameaças à saúde pública.

Neste estudo, os autores apresentam duas importantes contribuições: análise das notícias falsas (fake news) relacionadas à covid-19 em língua portuguesa e aplicação de técnicas de aprendizado de máquina e aprendizado profundo na análise das informações. Com base em notícias falsas coletadas em sites que checaram a veracidade de notícias sobre a covid-19 que circularam no país de janeiro de 2020 a fevereiro de 2021, foi construído um banco de dados contendo mais de 11 mil itens. De um modo geral, o padrão linguístico das fake news encontrado nas análises corroboram estudos prévios: frases curtas, baixa complexidade na construção das sentenças, e baixa utilizados de números em suas formulações.

No período analisado e que compreende a fase da pandemia em que os imunizantes contra a covid-19 estavam em fase de testes pelos cientistas, os termos “vacina” e “vacinação” foram os temas centrais das fake news que circularam no país. E isso pode ter contribuído para estimular comportamentos antivacinas entre indivíduos de segmentos da população que consomem com frequência esses tipos de notícias. Como agenda futura, os autores pretendem continuar investigando as fake news em saúde com base em outras fontes de informações como WhatsApp, Facebook e Twitter e aplicando novos algoritmos de aprendizagem de máquina e aprendizado profundo para aperfeiçoamento dos métodos de extração dos resultados.

O artigo é uma coautoria dos pesquisadores Patricia Takako Endo, Guto Leoni Santos, Maria Eduarda de Lima Xavier, Gleyson Rhuan Nascimento Campos, Luciana Conceição de Lima, Ivanovitch Silva, Antonia Egli e Theo Lynn e foi publicada no periódico científico Big Data and Cognitive Computing e pode ser acessado através do link: https://www.mdpi.com/2504-2289/6/2/36.