Investigadors de la Universitat Politècnica de València (UPV) han desenvolupat un sistema d’alerta primerenca que detecta, en les primeres hores d’una crisi, quins continguts potencialment falsos o enganyosos tenen més risc de fer-se virals i convertir-se en un problema rellevant.
El mètode es denomina Disinformation Diffusion Virality Risk Index (DDVRI) i està pensat per a ajudar a decidir quins missatges han de revisar abans els equips de verificació i comunicació, segons ha explicat la UPV.
‘No n’hi ha prou amb determinar si una informació pot ser falsa; també és necessari saber si té possibilitats de difondre’s àmpliament i convertir-se en un problema rellevant. I això és el que permet conéixer el nostre treball’, ha remarcat Juan José Climent Ferrer, un dels investigadors del projecte.
L’estudi l’han desenvolupat J. Ernesto Solanes, Juan José Climent-Ferrer, Flavio Moriniello, Ana Martí-Testón, Adolfo Muñoz i Luis Gracia, tots ells del grup Hume de l’Institut de Disseny i Fabricació (IDF) de la UPV. El grup ha validat el sistema amb dades sobre rumors i desinformació sanitària difosa en xarxes socials.
Com funciona el sistema DDVRI
El DDVRI analitza només la informació disponible en les primeres fases de circulació d’un missatge. Entre estos indicadors inicials inclou el contingut del missatge, les característiques de la font, la velocitat de difusió i l’estructura de propagació dins de la xarxa.
A partir d’estos elements, el sistema genera una classificació automàtica que ordena els continguts segons el seu risc de difusió. Això permet concentrar els recursos humans de verificació en els missatges que combinen més probabilitat de ser desinformació i més capacitat d’abast.
L’equip de la UPV ha avaluat la metodologia amb dos bases de dades obertes. La primera, PHEME, arreplega converses i rumors de la plataforma X associats a esdeveniments d’actualitat. La segona, CoAID, inclou notícies i afirmacions falses i vertaderes relacionades amb la COVID-19 i dades sobre la seua interacció en xarxes socials.
En l’experiment amb PHEME, el sistema ha utilitzat les primeres sis hores d’activitat per a estimar quins continguts aconseguirien una difusió elevada en un horitzó de 72 hores. D’esta manera es pot anticipar quins missatges tenen més opcions de viralitzar-se.
Entre els 50 missatges situats en les primeres posicions de cada esdeveniment, la presència de continguts que combinaven risc factual i alta difusió ha sigut aproximadament tres vegades superior a la prevalença mitjana d’eixos casos en el conjunt analitzat.
Els resultats obtinguts amb la base de dades CoAID també han confirmat la utilitat de la ferramenta per a concentrar en les primeres posicions els continguts de major risc. En una de les configuracions del model, el 27 % dels 50 primers missatges seleccionats corresponia a casos que combinaven desinformació i alta amplificació en xarxes.
Suport als equips de verificació
L’equip de l’IDF planteja el DDVRI com un suport per a equips de verificació, institucions i servicis de comunicació que treballen amb una capacitat de revisió limitada. Les alertes indiquen quins continguts cal examinar abans, però la comprovació de la seua veracitat i qualsevol decisió posterior continuen en mans de persones.
‘El sistema no està plantejat per a decidir automàticament quins continguts s’han d’eliminar d’una xarxa social. El nostRe objectiu és que el sistema funcione, diguem-ne, com una ferramenta de triatge i priorització, ajudant equips humans de verificació, institucions o servicis de comunicació a decidir on concentrar primer una capacitat de revisió que sol ser limitada’, ha explicat Climent.
L’estudi ha rebut finançament del programa Digital Europe de la Unió Europea, a través del projecte AI-SECRETT, així com del Govern d’Espanya i de la Generalitat.
