Banca de DEFESA: Veronica Souza dos Santos

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Veronica Souza dos Santos
DATA : 28/02/2025
HORA: 08:30
LOCAL: https://teams.microsoft.com/l/meetup-join/19%3a0a9998084fcc459f92b72fb6608767f7%40thread.tacv2/17404
TÍTULO:

FACTUAL: Uma Solução Baseada em Modelos de Linguagem para o Combate à Desinformação

PALAVRAS-CHAVES:

Inteligência Artificial, Aprendizado de Máquina, Bases de Dados Específicas, Notícias Falsas.

PÁGINAS: 70
RESUMO:

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.

MEMBROS DA BANCA:
Interno - ***.575.601-** - DANIEL ALVES DA SILVA - UnB
Interna - 1780217 - EDNA DIAS CANEDO
Interno - 2556078 - GEORGES DANIEL AMVAME NZE
Externo à Instituição - GILMAR DOS SANTOS MARQUES - UPIS