Detecção de viés ideológico em artigos de notícias utilizando Aprendizado Métrico Profundo e Representações Contextuais

• Ano de defesa: 2024
• Autor(a) principal: Januário, Jailson Pereira
• Outros Autores: http://lattes.cnpq.br/4489240434789923
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Processamento de linguagem natural (Computação); CIENCIAS EXATAS E DA TERRA; Viés ideológico; Aprendizado Profundo; Aprendizado Métrico; Processamento de Linguagem Natural
• Link de acesso: https://tede.ufam.edu.br/handle/tede/10580

Diante da rápida expansão dos meios de comunicação digitais e da vasta disseminação de informações através de plataformas online, os portais de notícias na Web se estabeleceram como a principal fonte de informação para grande parte da população. A forma como essas informações são apresentadas pode exercer uma influência significativa sobre a opinião pública, moldando o discurso em torno de questões cruciais e, em última instância, impactando os processos de tomada de decisão política. Para aumentar a transparência das informações oferecidas ao público, é essencial desenvolver soluções que permitam a caracterização automática da orientação ideológica nas publicações de artigos de notícias. No entanto, as abordagens recentes têm se mostrado parcialmente eficazes nesse sentido, uma vez que frequentemente dependem de fontes externas e de múltiplos processos de geração de características, o que pode levar a imprecisões. Nesse cenário, este trabalho propõe métodos para a classificação de viés ideológico em artigos de notícias, fundamentados exclusivamente no seu conteúdo. Para isso, exploramos uma abordagem de aprendizado profundo que integra diferentes formas de representação textual, utilizando técnicas de aprendizado métrico profundo. O objetivo é demonstrar a eficácia dessa estratégia em comparação com a literatura existente. A abordagem proposta combina aprendizado contextual e semântico com recursos textuais, validando-os; em um conjunto de dados composto por mais de 30 mil artigos de notícias de temas variados.