O problema das Fake News

Um resumão de coisas que tenho lido e aprendido sobre Fake News, o que está acontecendo, o que já está sendo feito, e como podemos lutar contra esse grande mal da era da (des)informação.

Transcript

1. O PROBLEMA DAS FAKE NEWS 1
2. QUANDO ISSO PASSOU A SER UM PROBLEMA GRANDE NO MUNDO MODERNO? 2 Fonte: https://www.buzzfeed.com/craigsilverman/viral-fake-election-news-outperformed-real-news-on-facebook
3. QUANDO ISSO PASSOU A SER UM PROBLEMA GRANDE NO MUNDO MODERNO? 3 Fonte: https://www.buzzfeed.com/craigsilverman/viral-fake-election-news-outperformed-real-news-on-facebook
4. 4 Fonte: https://www.wired.com/2017/02/veles-macedonia-fake-news/
5. POR QUE? 5 Fonte: https://www.wired.com/2017/02/veles-macedonia-fake-news/ “Between August and November, Boris earned nearly $16,000 off his two pro-Trump websites. The average monthly salary in Macedonia is $371.”
6. FUNDING 6 “Efforts to demonetize content […] have increased alternative, even more opaque sources of funding for content.” Fontes: https://firstdraftnews.org/fake-news-complicated/ https://datasociety.net/pubs/oh/DataAndSociety_Dead_Reckoning_2018.pdf
7. CAMBRIDGE ANALYTICA & FACEBOOK 7 Fonte: https://www.theguardian.com/news/2018/mar/17/cambridge-analytica-facebook-influence-us-election
8. CAMBRIDGE ANALYTICA & FACEBOOK 8 Eu só preciso dos seus dados pessoais, seus amigos, todos seus posts e mensagens pra descobrir
9. CAMBRIDGE ANALYTICA & FACEBOOK 9 Facebook > Configurações > Aplicativos
10. CAMBRIDGE ANALYTICA & FACEBOOK 10
11. O QUE SÃO FAKE NEWS? 11
13. DEFINIÇÃO DE FAKE NEWS 13 Fonte: https://apublica.org/2018/03/jovens-se-afastam-de-paginas-engajadas-e-interagem-com-imprensa- tradicional-revela-estudo/ Fake News! Mídia golpista! Fake News de verdade
14. DEFINIÇÃO DE FAKE NEWS 14 Fonte: https://firstdraftnews.org/fake-news-complicated/
15. O QUE ESTÁ SENDO FEITO? 15
16. FACT CHECKING 16 •Fact Checking Brasileiros •e-farsas.com •boatos.org •aosfatos.org •apublica.org •agencia lupa
 •Fact Checking Internacional •snopes.com •factcheck.org •politifact.com •mediabiasfactcheck.com
17. EDUCAÇÃO 17 Fontes: http://www.b9.com.br/84218/aos-fatos-e-facebook-fecham-parceria-para-ajudar-a-combater-fake- news-na-rede-social/ https://aosfatos.org/noticias/manuais/
18. EDUCAÇÃO: CONTEXTO RELACIONADO 18 Fonte: https://www.telegraph.co.uk/technology/2017/12/21/facebook-ditches-fake-news-flag-making- problem-worse/ “It will now show a selection of related articles next to offending stories instead. These will give more context and could help people learn the facts surrounding a situation through reputable media publications.”
19. EDUCAÇÃO: CONTEXTO RELACIONADO 19 Fonte: http://www.cbc.ca/news/technology/youtube-wikipedia-fighting-hoaxes-1.4575524
20. FRAMEWORKS DE CONFIABILIDADE 20 Fonte: https://credibilitycoalition.org/approach/
21. DETECÇÃO AUTOMÁTICA: LISTA HARDCODED 21 Baseados em listas simples de domínios confiáveis ou não confiáveis
22. DETECÇÃO AUTOMÁTICA: DETECÇÃO DE BOTS 22 Detectam se contas no twitter são bots ou não “Researchers have estimated that 15% of Twitter accounts are bots […] Trump, reportedly, has 15 million fake followers” Fonte: http://botson.net/
23. DETECÇÃO AUTOMÁTICA: COM BASE EM BUSCA Usam os resultados de busca pra detectar se uma notícia é falsa
24. DETECÇÃO AUTOMÁTICA: COM BASE NO CONTEÚDO Tenta classificar com base no conteúdo da notícia. Exemplos de características mais comuns em fake news: •Usam mais a primeira pessoa •Apresentam julgamentos, não só fatos •Citações são mais longas •Tamanho de texto mais curto Fonte: https://medium.com/data-science-brigade/a-ci%C3%AAncia-da-detec%C3%A7%C3%A3o-de-fake- news-d4faef2281aa
25. DETECÇÃO AUTOMÁTICA: COM BASE NO CONTEÚDO
26. DETECÇÃO AUTOMÁTICA: COM BASE EM COMO SE ESPALHA Analisam a forma como uma notícia se espalha por redes sociais
27. DETECÇÃO AUTOMÁTICA: COM BASE EM COMO SE ESPALHA Analisam a forma como uma notícia se espalha por redes sociais
28. DETECÇÃO AUTOMÁTICA: COM BASE EM COMO SE ESPALHA Analisam a forma como uma notícia se espalha por redes sociais 93% de acurácia! Fonte: http://www.public.asu.edu/~liangwu1/WSDM18_TraceMiner.pdf
29. DETECÇÃO AUTOMÁTICA: STARTUP FACTMATA 29 Fonte: https://techcrunch.com/2018/02/01/factmata-closes-1m-seed-round-as-it-seeks-to-build-an-anti-fake- news-media-platform/
30. COMO A DETECÇÃO AUTOMÁTICA PODE AJUDAR? •Por jornalistas para agilizar o fact checking •Por pessoas comuns para fazer seu próprio fact checking •Em plataformas de anúncios para cortar o financiamento de sites falsos •Em redes sociais para despriorizar fake news no feed •Controversia: censura?
31. O QUE VOCÊ PODE FAZER? 31
32. CHEQUE OS FATOS VOCÊ MESMO Antes de compartilhar qualquer coisa, faça uma busca rápida no Google, vale a pena, procure fontes, use ferramentas que podem te ajudar.
33. NÃO COMENTE SOBRE O BOATO, PODE ESPALHAR MAIS ADIANTE https://www.youtube.com/watch?v=wwAzU5ji-CM
34. CASO MARIELLE
35. CASO MARIELLE
36. CASO MARIELLE
37. AJUDE PROJETOS OPEN SOURCE
38. VOCÊ PODE VOLTAR AO PASSADO Fonte: https://www.nytimes.com/2018/03/07/technology/two-months-news-newspapers.html “Not only had I spent less time with the story than if I had followed along as it unfolded online, I was better informed, too. Because I had avoided the innocent mistakes — and the more malicious misdirection”
39. OBRIGADO