FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Santos, Verônica Souza dos
Orientador(a): Canedo, Edna Dias
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://repositorio.unb.br/handle/10482/52584
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2025.
id UNB_b95b0b0b671aace50bcc9a2c1d3866d7
oai_identifier_str oai:repositorio.unb.br:10482/52584
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Santos, Verônica Souza dosCanedo, Edna Dias2025-10-09T15:10:41Z2025-10-09T15:10:41Z2025-10-092025-02-28SANTOS, Verônica Souza dos. FACTUAL: uma solução baseada em modelos de linguagem para o combate à desinformação. 2025. 72 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2025.http://repositorio.unb.br/handle/10482/52584Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2025.A disseminação de fake news representa um problema significativo no contexto digital, impactando setores tais como saúde pública, democracia e processos sociais. Apesar de avanços na área, ainda existem lacunas importantes, como a ausência de uma categorização abrangente das formas de desinformação e a limitação de modelos capazes de generalizar em diferentes domínios e conjuntos de dados heterogêneos. Diante disso, esta dissertação propõe o FACTUAL (fake news Analysis with Confidence and Trust Using AI and LLM), um sistema baseado em modelos de linguagem de grande escala (LLMs) para a detecção e mitigação de fake news. O FACTUAL utiliza uma arquitetura integrada que combina processamento assíncrono para escalabilidade, um mecanismo dinâmico de cálculo de confiança adaptado às análises realizadas e uma categorização de desinformação. Como contribuições, a dissertação apresenta um modelo que permite a análise de grandes volumes de dados, calcula dinamicamente o nível de confiança das predições e estrutura a desinformação em categorias específicas para aprimorar o processo de detecção. A avaliação do FACTUAL foi realizada utilizando os datasets FakeBR e fake news Dataset, complementados por dados coletados em portais de notícias. O sistema foi validado quanto à capacidade de identificar padrões de desinformação e quanto à classificação das notícias em categorias apropriadas. Os resultados evidenciam a funcionalidade do FACTUAL, bem como apontam melhorias necessárias, como o refinamento dos limiares de confiança e o balanceamento das categorias classificadas.The dissemination of fake news represents a significant problem in the digital context, impacting sectors such as public health, democracy, and social processes. Despite advancements in the field, important gaps remain, such as the absence of a comprehensive categorization of misinformation types and the limitation of models capable of generalizing across different domains and heterogeneous datasets. In light of this, this dissertation proposes FACTUAL (Fake News Analysis with Confidence and Trust Using AI and LLM), a system based on large language models (LLMs) for the detection and mitigation of fake news. FACTUAL employs an integrated architecture that combines asynchronous processing for scalability, a dynamic confidence calculation mechanism adapted to the analyses performed, and a categorization of misinformation. As contributions, the dissertation presents a model that enables the analysis of large volumes of data, dynamically calculates the confidence level of predictions, and structures misinformation into specific categories to enhance the detection process. The evaluation of FACTUAL was conducted using the FakeBR and Fake News Dataset, complemented by data collected from news portals. The system was validated for its ability to identify patterns of misinformation and classify news into appropriate categories. The results demonstrate the functionality of FACTUAL, while also highlighting necessary improvements, such as refining confidence thresholds and balancing classified categories.Faculdade de Tecnologia (FT)Departamento de Engenharia Elétrica (FT ENE)Programa de Pós-Graduação em Engenharia Elétrica, Mestrado ProfissionalporA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessFACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAprendizado de máquinaInteligência artificialDesinformaçãoFake newsreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2025_VeronicaSouzaDosSantos_DISSERT.pdf2025_VeronicaSouzaDosSantos_DISSERT.pdfapplication/pdf4526093http://repositorio.unb.br/bitstream/10482/52584/1/2025_VeronicaSouzaDosSantos_DISSERT.pdf3b5320a286a327dbf156c82f5dbbc3c9MD51open accessLICENSElicense.txtlicense.txttext/plain102http://repositorio.unb.br/bitstream/10482/52584/2/license.txtaed4704d04bb260d4decd80db311aaa5MD52open access10482/525842025-10-09 12:10:42.259open accessoai:repositorio.unb.br:10482/52584U3VibWlzc8OjbyBlZmV0aXZhZGEgZGUgYWNvcmRvIGNvbSBsaWNlbsOnYSBjb25jZWRpZGEgcGVsbyBhdXRvciBlL291IGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcy4KRepositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-10-09T15:10:42Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
title FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
spellingShingle FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
Santos, Verônica Souza dos
Aprendizado de máquina
Inteligência artificial
Desinformação
Fake news
title_short FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
title_full FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
title_fullStr FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
title_full_unstemmed FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
title_sort FACTUAL : uma solução baseada em modelos de linguagem para o combate à desinformação
author Santos, Verônica Souza dos
author_facet Santos, Verônica Souza dos
author_role author
dc.contributor.author.fl_str_mv Santos, Verônica Souza dos
dc.contributor.advisor1.fl_str_mv Canedo, Edna Dias
contributor_str_mv Canedo, Edna Dias
dc.subject.keyword.pt_BR.fl_str_mv Aprendizado de máquina
Inteligência artificial
Desinformação
Fake news
topic Aprendizado de máquina
Inteligência artificial
Desinformação
Fake news
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2025.
publishDate 2025
dc.date.submitted.none.fl_str_mv 2025-02-28
dc.date.accessioned.fl_str_mv 2025-10-09T15:10:41Z
dc.date.available.fl_str_mv 2025-10-09T15:10:41Z
dc.date.issued.fl_str_mv 2025-10-09
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, Verônica Souza dos. FACTUAL: uma solução baseada em modelos de linguagem para o combate à desinformação. 2025. 72 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2025.
dc.identifier.uri.fl_str_mv http://repositorio.unb.br/handle/10482/52584
identifier_str_mv SANTOS, Verônica Souza dos. FACTUAL: uma solução baseada em modelos de linguagem para o combate à desinformação. 2025. 72 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2025.
url http://repositorio.unb.br/handle/10482/52584
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio.unb.br/bitstream/10482/52584/1/2025_VeronicaSouzaDosSantos_DISSERT.pdf
http://repositorio.unb.br/bitstream/10482/52584/2/license.txt
bitstream.checksum.fl_str_mv 3b5320a286a327dbf156c82f5dbbc3c9
aed4704d04bb260d4decd80db311aaa5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1876329362591055872

Registros relacionados