La dott.ssa Mónica Gracia, direttrice internazionale delle ammissioni della Fondazione Universitaria Iberoamericana (FUNIBER), e il dott. Eduardo Silva, direttore esecutivo della stessa Fondazione nella sede del Guatemala, stanno conducendo uno studio in collaborazione con altri professionisti per migliorare il rilevamento automatico delle fake news attraverso l’apprendimento automatico. Questo lavoro dimostra l’efficacia di un approccio ibrido e multivista per analizzare i contenuti informativi in ambienti digitali.
Negli ultimi anni, la disinformazione è cresciuta rapidamente sui social network e sui media digitali. I messaggi che mescolano verità e falsità influenzano le conversazioni pubbliche, minano la fiducia e complicano il processo decisionale, soprattutto in periodi elettorali o di crisi sanitarie come quella causata dal COVID-19. Per questo motivo, disporre di strumenti automatici che aiutino a identificare e frenare la diffusione di contenuti ingannevoli è diventata una priorità per il mondo dell’editoria, le piattaforme digitali e le autorità.
Finora, molte soluzioni si sono basate sull’esame del solo testo o sull’utilizzo di modelli molto complessi. Sebbene abbiano rappresentato un passo avanti, spesso hanno difficoltà ad adattarsi a contesti nuovi, a gestire testi controversi o a spiegare perché prendono una decisione. Tendono inoltre ad «appiattire» tutte le informazioni in un unico blocco, perdendo importanti sfumature del linguaggio e dell’argomento trattato.
Lo studio propone un approccio diverso e di facile comprensione: analizzare ogni notizia da tre angolazioni complementari e poi combinare queste «opinioni» in modo intelligente. Si osserva prima il testo stesso (parole ed espressioni frequenti), poi come è scritto (comprensibilità, tono emotivo, uso di nomi propri e struttura grammaticale) e, infine, di cosa parla realmente (argomenti dominanti e significato generale). Per ogni prospettiva viene addestrato un modello specializzato; alla fine, un “arbitro” riunisce le tre e decide con maggiore accuratezza rispetto a ciascuno di essi separatamente.
Per metterlo alla prova, il team ha lavorato con decine di migliaia di articoli già classificati come veri o falsi e ha utilizzato una valutazione rigorosa che ripete l’addestramento e il test in dieci round diversi per evitare casualità. Inoltre, ha verificato se il sistema rimane stabile quando i testi subiscono piccole alterazioni (ad esempio, cancellando o cambiando l’ordine di alcune parole) e se è in grado di trasferire ciò che ha appreso a un insieme diverso, composto da brevi frasi politiche.
I risultati sono particolarmente solidi. Nel set principale, il sistema ha una precisione del 99,94% e supera sia i modelli che considerano una sola prospettiva sia quelli che mescolano tutto in un unico passaggio. Migliora anche un riferimento molto potente basato su reti neurali profonde. Quando viene valutato con l’insieme di frasi brevi, mantiene un livello di accuratezza molto elevato (circa il 97%), il che indica che generalizza bene anche quando cambia il tipo di testo. Nei test di resistenza, la precisione rimane superiore al 97% anche se una parte delle parole viene cancellata, scambiata o ripetuta, segno che, se uno degli sguardi perde informazioni, gli altri due lo compensano.
Questa proposta raggiunge un adeguato equilibrio tra efficacia e costo computazionale: migliora le metriche chiave senza richiedere infrastrutture pesanti, facilitandone l’adozione in ambienti con risorse limitate.
Se desideri saperne di più su questo studio, clicca qui.
Per leggere altre ricerche, consulta l’archivio di UNEATLANTICO.
La Fondazione Universitaria Iberoamericana (FUNIBER) offre borse di studio per studiare il Master in Gestione Strategica delle Tecnologie dell’Informazione. Questo programma ti prepara a guidare la trasformazione digitale allineando tecnologia e business: pianificazione e governance dei sistemi, gestione di progetti e servizi, sicurezza informatica e dati per il processo decisionale. Fai il passo successivo nella tua vita, studia questo master per guidare il futuro tecnologico aziendale.