La UPV desenrotlla un sistema d’alerta primerenca per a detectar desinformació amb el risc de fer-se viral
Investigadors de la Universitat Politècnica de València (UPV) han desenrotllat un nou sistema d‘alerta primerenca que permet identificar, en les primeres fases d’una crisi, quins continguts potencialment falsos o enganyosos, de desinformació, en resum, tenen a més major risc si es fes viral. El mètode, denominat Disinformation Diffusion Virality Risk Index (DDVRI), està pensat per a ajudar a prioritzar quins missatges haurien de ser revisats abans per equips de verificació i comunicació.
El treball ha sigut desenrotllat per 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 de 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”, apunta Juan José Climent Ferrer…
El DDVRI analitza únicament dades disponibles en les primeres fases de circulació del missatge, entre ells el seu contingut, característiques de la font, velocitat de difusió i estructura de propagació. El sistema genera després una classificació que permet concentrar els recursos de verificació en els continguts amb major risc de difussió de la desinformació.
Tres vegades més casos de risc de desinformació entre les primeres alertes
L’equip de la UPV ha avaluat la metodologia amb dos bases de dades obertes. La primera, PHEME, reunix converses i rumors de Twitter associats a esdeveniments d’actualitat; la segona, CoAID, inclou notícies i afirmacions falses i verdaderes relacionades amb la COVID-19 i dades sobre la seua interacció en xarxes socials.
En l’experiment sobre desinformació fet amb *PHEME, el sistema va utilitzar les primeres sis hores d’activitat per a estimar quins continguts aconseguirien una elevada difusió en un horitzó de 72 hores. Entre els 50 missatges situats en les primeres posicions de cada esdeveniment, la presència de continguts que combinaven risc factual i alta difusió va ser aproximadament tres vegades superior a la prevalença mitjana d’eixos casos en el conjunt analitzat.
Els resultats amb CoAID van confirmar també 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.
Una ferramenta per a prioritzar, no per a censurar
L’equip del IDF planteja el DDVRI com a suport a equips de verificació, institucions i servicis de comunicació que treballen amb una capacitat de revisió limitada. Les alertes orienten quins continguts examinar primer; la comprovació de la seua veracitat i qualsevol decisió posterior corresponen als equips humans.
“El sistema no està plantejat per a decidir automàticament quins continguts han d’eliminar-se d’una xarxa social. El nostre objectiu és que el sistema funcione, diguem, com una ferramenta de triatge i priorització, ajudant a equips humans de verificació, institucions o servicis de comunicació a decidir on concentrar primer una capacitat de revisió que sol ser limitada”, explica Juan José Climent Ferrer.
El treball ha rebut finançament del programa Digital Europe de la Unió Europea, a través del projecte AI-SECRETT, del Govern d’Espanya i de la Generalitat Valenciana.
Referència
Solanes, J. E.; Climent-Ferrer, J. J.; Moriniello, F.; Martí-Testón, A.; Muñoz, A.; Gracia, L. Explainable Early-Warning of High-Amplification Crisis-Related Disinformation in Social Media Streams. Electronics, 2026, 15, 3586. DOI: 10.3390/electronics15163586.
