Post-verdad es un término que describe un fenómeno distorsionador que tiene como objetivo manipular la opinión pública y el comportamiento. Uno de sus motores clave es la difusión de Fake News. Hoy en día, la mayoría de las noticias se difunden rápidamente en lenguaje escrito a través de los medios digitales y las redes sociales. Por lo tanto, para detectar noticias falsas, cada vez es más necesario aplicar la Inteligencia Artificial (IA) y, más específicamente, el Procesamiento del Lenguaje Natural (PNL). Este artículo presenta una revisión de la aplicación de IA a la compleja tarea de detectar automáticamente noticias falsas. La revisión comienza con una definición y clasificación de noticias falsas. Teniendo en cuenta la complejidad de la tarea de detección de noticias falsas, se aplicó una metodología de divide y vencerás para identificar una serie de subtareas para abordar el problema desde una perspectiva computacional. Como resultado, se identificaron las siguientes subtareas: detección de engaños; detección de postura; controversia y polarización; verificación de hechos automatizada; detección de clickbait; y puntajes de credibilidad. De cada subtarea, se realizó una revisión sistemática de los principales estudios que cumple con PRISMA, buscando en Google Scholar. Se analizan los diversos enfoques y tecnologías, así como los recursos y competencias que han estado involucrados en la resolución de las diferentes subtareas. La revisión concluye con una hoja de ruta para abordar los desafíos futuros que han surgido del análisis del estado del arte, proporcionando una rica fuente de trabajo potencial para la comunidad de investigación en el futuro.
Cita Bibliográfica: Expert Systems with Applications. 2020, 141: 112943. doi:10.1016/j.eswa.2019.112943
Autores: Saquete Boró, Estela | Tomás, David | Moreda, Paloma | Martínez-Barco, Patricio | Palomar, Manuel
URI: https://www.sciencedirect.com/science/article/pii/S095741741930661X?via%3Dihub
Tareas relacionadas: