València (EFE).- Investigadores de la Universitat Politècnica de València (UPV) han desarrollado un sistema de alerta temprana que permite identificar, en las primeras fases de una crisis, qué contenidos potencialmente falsos o engañosos tienen además mayor riesgo de hacerse virales.
El método, denominado Disinformation Diffusion Virality Risk Index (DDVRI), está pensado para ayudar a priorizar qué mensajes deberían ser revisados antes por equipos de verificación y comunicación, según la UPV.
«No basta con determinar si una información puede ser falsa; también es necesario saber si tiene posibilidades de difundirse ampliamente y convertirse en un problema relevante. Y eso es lo que permite conocer nuestro trabajo», explica Juan José Climent Ferrer, uno de los investigadores.
El trabajo ha sido desarrollado por J. Ernesto Solanes, Juan José Climent-Ferrer, Flavio Moriniello, Ana Martí-Testón, Adolfo Muñoz y Luis Gracia, todos ellos del grupo Hume del instituto de Diseño y Fabricación de la UPV, y ha sido validado con datos sobre rumores y desinformación sanitaria en redes sociales.
Primeras fases de los mensajes
El DDVRI analiza únicamente datos disponibles en las primeras fases de circulación del mensaje, entre ellos su contenido, características de la fuente, velocidad de difusión y estructura de propagación. El sistema genera después una clasificación que permite concentrar los recursos de verificación en los contenidos con mayor riesgo.
El equipo de la UPV ha evaluado la metodología con dos bases de datos abiertas. La primera, PHEME, reúne conversaciones y rumores de X asociados a acontecimientos de actualidad; la segunda, CoAID, incluye noticias y afirmaciones falsas y verdaderas relacionadas con la COVID-19 y datos sobre su interacción en redes sociales.
En el experimento con PHEME, el sistema utilizó las primeras seis horas de actividad para estimar qué contenidos alcanzarían una elevada difusión en un horizonte de 72 horas.
Entre los 50 mensajes situados en las primeras posiciones de cada evento, la presencia de contenidos que combinaban riesgo factual y alta difusión fue aproximadamente tres veces superior a la prevalencia media de esos casos en el conjunto analizado.
Los resultados con CoAID confirmaron también la utilidad de la herramienta para concentrar en las primeras posiciones los contenidos de mayor riesgo. En una de las configuraciones del modelo, el 27 % de los 50 primeros mensajes seleccionados correspondía a casos que combinaban desinformación y alta amplificación.
Apoyo a la verificación
El equipo del IDF plantea el DDVRI como apoyo a equipos de verificación, instituciones y servicios de comunicación que trabajan con una capacidad de revisión limitada. Las alertas orientan sobre qué contenidos examinar primero, mientras que la comprobación de su veracidad y cualquier decisión posterior corresponden a los equipos humanos.
«El sistema no está planteado para decidir automáticamente qué contenidos deben eliminarse de una red social. Nuestro objetivo es que el sistema funcione, digamos, como una herramienta de triaje y priorización, ayudando a equipos humanos de verificación, instituciones o servicios de comunicación a decidir dónde concentrar primero una capacidad de revisión que suele ser limitada», explica Climent.
El trabajo ha recibido financiación del programa Digital Europe de la Unión Europea, a través del proyecto AI-SECRETT, del Gobierno de España y de la Generalitat.
