Crean un sistema que detecta los bulos y cuáles pueden hacerse virales

Los cada vez más temidos bulos: cómo atajarlos antes de que se hagan virales.

Investigadores de la Universitat Politècnica de València (UPV) han desarrollado un nuevo sistema de alerta temprana que permite detectarlos y evaluar por anticipado cuáles pueden propagarse con más virulencia, para atajarlos.

De entrada, ya dejan claro que no se trata de «censura» y que esta herramienta no interviene directamente, sino que se ha diseñado para ayudar a equipos humanos para ganar tiempo.

En definitiva, a que puedan centrar el tiro y no verse desbordados por la avalancha de falsedades, sobre todo, en contextos de crisis.Tal como ha informado la UPV en un comunicado, el método fruto de este trabajo permite «identificar, en las primeras fases de una crisis, qué contenidos potencialmente falsos o engañosos tienen además mayor riesgo de hacerse viral».

Denominado Disinformation Diffusion Virality Risk Index (DDVRI), está pensado para ayudar a priorizar qué mensajes deberían ser revisados antes por equipos de verificación y comunicación.Ha sido desarrollado por J.

Ernesto Solanes, Juan José Climent-Ferrer, Flavio Moriniello, Ana Martí-Testón, Adolfo Muñoz y Luis Gracia, todos ellos del grupo Hume del instituto de Diseño y Fabricación de la UPV. «No basta con determinar si una información puede ser falsa; también es necesario saber si tiene posibilidades de difundirse ampliamente y convertirse en un problema relevante.

Y eso es lo que permite conocer nuestro trabajo», apunta Juan José Climent Ferrer..El DDVRI analiza únicamente datos disponibles en las primeras fases de circulación del mensaje, entre ellos su contenido, características de la fuente, velocidad de difusión y estructura de propagación.

El sistema genera después una clasificación que permite concentrar los recursos de verificación en los contenidos con mayor riesgo.Tres veces más casos de riesgo en las primeras alertasEl equipo de la UPV ha evaluado la metodología con dos bases de datos abiertas.

La primera, PHEME, reúne conversaciones y rumores de X (antes Twitter) asociados a acontecimientos de actualidad; la segunda, CoAID, incluye noticias y afirmaciones falsas y verdaderas relacionadas con la covid-19 y datos sobre su interacción en redes sociales.En el experimento con PHEME, el sistema utilizó las primeras seis horas de actividad para estimar qué contenidos alcanzarían una elevada difusión en un horizonte de 72 horas.