Modelo fuzzy para aferir a suscetibilidade de jovens em relação às fake news

Autores

DOI:

https://doi.org/10.21167/cqdv26e26002

Palavras-chave:

Lógica Fuzzy, Fake news, Sistema baseado em regras fuzzy, Notícias falsas

Resumo

Conhecidas como fake news, as várias formas de desinformação tornaram-se uma grande vulnerabilidade do mundo atual. Elas podem influenciar, moldar ou distorcer a nossa percepção do que é real. Neste trabalho apresentamos um Sistema Baseado em Regras Fuzzy (SBRF) com o objetivo de estabelecer uma modelagem adequada que permite inferir o quão suscetível, no sentido de acreditar e/ou compartilhar, uma pessoa pode estar diante de uma fake news. Para isso utilizamos os dados coletados a partir de formulários online de participantes de um dos módulos do Projeto “Inteligência Artificial: da Lógica às Humanidades” apoiado pelo CNPq. Os dados foram utilizados para alimentar um modelo fuzzy que permite inferir o grau de suscetibilidade em relação à desinformação dos participantes. Os resultados mostraram que em uma amostra de 42 participantes do projeto, apenas 9,5% têm um alto grau de contaminação por fake news. A validade interna do modelo foi feita comparando os resultados obtidos através do SBRF com uma análise manual dos dados pelo especialista.

Biografia do Autor

Aline Tiemi Terasawa, Universidade Estadual Paulista "Júlio de Mesquita Filho" - Unesp

Possui graduação em Licenciatura Plena em Pedagogia pela Universidade Estadual Paulista Júlio de Mesquita Filho UNESP-FC (2018). Pós-graduada em Neuropsicopedagogia Clínica e Institucional pela Faculdade Metropolitana - FAMEESP (2021). Atualmente, graduanda do curso de Licenciatura em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho UNESP- FC, campus Bauru.

Luiz Henrique da Cruz Silvestrini, Unesp - Universidade Estadual Paulista "Júlio de Mesquita Filho"

Possui graduação em Licenciatura Plena em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho - UNESP - FC (2002), Mestrado em Filosofia, com área de concentração em Lógica e Epistemologia, pela Universidade Estadual Paulista Júlio de Mesquita Filho - UNESP - FFC (2005), Doutorado em Filosofia, com área de concentração em Lógica, pela Universidade Estadual de Campinas - UNICAMP - IFCH (2011). Atualmente é Professor Assistente Doutor na UNESP, Faculdade de Ciências, Departamento de Matemática, campus de Bauru. É credenciado no Programa de Pós-Graduação em Filosofia da UNESP - FFC - Marília. Tem experiência no ensino de Lógica e Teoria do Conhecimento. Atua principalmente nos seguintes temas: lógica, linguagens formais - semântica, métodos de prova, teorias da verdade, estruturas parciais, algoritmos, raciocínio indutivo, quantificadores e tableaux analíticos.

Ana Claudia de Jesus Golzio, Universidade Estadual Paulista "Júlio de Mesquita Filho" - Unesp

Possui graduação em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho - Unesp (2008); mestrado na área de Lógica, também pela Unesp (2011), doutorado na área lógica, pela Universidade Estadual de Campinas - Unicamp (2017), pós-doutorado pela Unicamp (2019), como bolsista do Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq e pela Unesp (2020), como bolsista da Fundação de Amparo à Pesquisa do Estado de São Paulo - Fapesp. Atualmente é Professora Assistente Doutora na Unesp, Faculdade de Ciências e Engenharia, Departamento de Engenharia de Biossistemas, campus de Tupã, concursada na área de Inteligência artificial e aprendizado de máquinas. É membro do corpo editorial da revista científica internacional "South American Journal of Logic" e do Grupo de pesquisa vinculado ao CNPq "Sistemas Adaptativos, Lógica e Computação Inteligente". Atua principalmente nos seguintes temas: fundamentos da computação, semânticas formais, lógica algébrica, multiálgebras, hiperestruturas, lógicas não-clássicas, lógica fuzzy, análise de dados, big data e inteligência artificial.

Downloads

Publicado

08-07-2025

Como Citar

TERASAWA, A. T.; SILVESTRINI, L. H. da C.; GOLZIO, A. C. de J. Modelo fuzzy para aferir a suscetibilidade de jovens em relação às fake news. C.Q.D. - Revista Eletrônica Paulista de Matemática, Bauru, v. 26, p. e26002, 2025. DOI: 10.21167/cqdv26e26002. Disponível em: https://sistemas.fc.unesp.br/ojs/index.php/revistacqd/article/view/491. Acesso em: 12 jul. 2025.

Edição

v. 26, 2025

Seção

Artigos de Pesquisa

Licença

Copyright (c) 2025 C.Q.D. - Revista Eletrônica Paulista de Matemática

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.