Aprendizado de máquina aplicado à detecção de fake news textuais: uma revisão integrativa da literatura

Abstract

A disseminação de desinformação em ambientes digitais tornou-se um dos principais desafios da sociedade contemporânea. Nesse contexto, técnicas de Inteligência Artificial, Aprendizado de Máquina e Processamento de Linguagem Natural têm sido investigadas para a detecção automática de fake news. Este artigo apresenta uma revisão integrativa da literatura sobre modelos de classificação textual, com destaque para arquiteturas Transformer e BERT. Os resultados indicam que abordagens baseadas em deep learning apresentam desempenho superior aos métodos tradicionais. Conclui-se que essas técnicas representam uma alternativa promissora no combate à desinformação digital, embora ainda existam desafios relacionados aos dados, interpretação dos modelos e questões éticas.

The spread of misinformation in digital environments has become one of the main challenges of contemporary society. In this context, Artificial Intelligence, Machine Learning, and Natural Language Processing techniques have been widely investigated for the automatic detection of fake news. This article presents an integrative literature review on text classification models, with emphasis on Transformer-based architectures and BERT models. The results indicate that deep learning approaches achieve superior performance when compared to traditional methods. It is concluded that these techniques represent a promising alternative for combating digital misinformation, although challenges related to data quality, model interpretability, and ethical issues still remain.