Un grupo de investigadores desarrolló un método de detección de ‘fake news’ (o noticias falsas), que reconoce características lingüísticas de los mensajes. Dicho grupo está conformado por investigadores de las Universidades de Gotinga y Fráncfort, Alemania, y del Instituto Jožef Stefan de Liubliana, Eslovenia.
Según Tech Xplore, los resultados del estudio se publicaron en el Journal of the Association for Information Systems (JAIS), una revista científica que cubre investigaciones de sistemas y tecnologías de la información. Los resultados explican que el método de reconocimiento basado en características lingüísticas, actualmente se usa en los filtros de Spam. Pero, estos pueden ser engañados a medida que los estafadores adaptan el contenido para ser cada vez menos detectables.
Los investigadores le dieron un enfoque distinto al método para identificar las fake news a pesar de las estrategias que puedan evadir la detección. Para ello, combinaron esto con otros modelos recientemente desarrollados que se fijan en distintos aspectos del texto como la comprensibilidad del lenguaje y el estado de ánimo que transmite el texto. De esta forma, aunque el contenido no logre ser sospechoso, como el reciente caso de Phishing de la Registraduría, la noticia falsa aun puede ser detectada por sus características lingüísticas.
TE INTERESA: Mass Effect Legendary Edition, Se Revelan Todas Las Mejoras
Qué propone este método de detección de ‘fake news’
- Según Tech Xplore el nuevo enfoque puede utilizarse, por ejemplo, en la vigilancia del mercado. Esto ofrece a los inversores una valiosa información para evitar caer en fraude.
- Este método basado en las características lingüísticas también podría ser usado en el futuro para procesos penales.
- Los investigadores determinaron que se puede detectar la información falsa, como los datos que presentan a una empresa de forma positiva. Es decir, el contenido transmite un mensaje positivo.
«Esto pone a los estafadores en un dilema. Sólo pueden evitar la detección si cambian el tono del texto para que sea negativo, por ejemplo».
Dr. Michael Siering del grupo de investigadores.
Imagen: Markus Winkler, vía Unsplash.