Implementación de un modelo detector de noticias falsas para reducir la desinformación en la población del Perú

Abstract

El avance tecnológico y la expansión de internet han intensificado la propagación de noticias falsas, generando así una gran preocupación en nuestra sociedad. Para abordar este problema en Perú, se desarrolló un modelo detector de fake news basado en aprendizaje automático. Se construyó un dataset de noticias locales a través de la API de Twitter, el cual fue analizado y procesado para entrenar los algoritmos Naive Bayes y Support Vector Machine. Además, se planteó un modelo híbrido que combinó los conocimientos de ambos algoritmos para un análisis más preciso, dicho modelo fue implementado en un bot de Telegram como prototipado de aplicación. Los resultados obtenidos indicaron una alta precisión en la detección de noticias falsas, con un 95,4% para Naive Bayes, un 90,45% para Support Vector Machine y un 95,35% para el modelo híbrido. Se concluye que la construcción del dataset es un proceso complejo y la precisión de los modelos depende en gran medida de la calidad de los datos y características del mismo, por otro lado, los modelos desarrollados en la investigación muestran un alto grado de efectividad en la detección de noticias falsas en nuestros medios locales.