Skip to content

AntiFa (Anti FakeNews) é um projeto dedicado a analisar e quantificar a porcentagem de notícias falsas (fake news) disseminadas por políticos e personalidades brasileiras em suas redes sociais.

License

Notifications You must be signed in to change notification settings

marcieltorres/antifakenews

Repository files navigation

AntiFa (Anti FakeNews)

Estamos em fase de elaboração do MVP

Visão Geral

AntiFa é um projeto dedicado a analisar e quantificar a porcentagem de notícias falsas (fake news) disseminadas por políticos e personalidades brasileiras em suas redes sociais. Nosso objetivo é promover a transparência e a responsabilidade nas mídias sociais, ajudando o público a discernir entre fatos e desinformação. A ideia desse projeto tem como base esse outro projeto aqui: https://queridodiario.ok.org.br/, onde é possível explorar diários oficiais dos municípios. Nossa ideia é que seja possível explorar todas as notícias falsas e verdadeiras que os políticos e algumas personalidades postam para que o público consiga ter ferramentas para cobrar de seus representantes.

Problema

A disseminação de fake news por figuras públicas prejudica a integridade das informações e pode influenciar negativamente a opinião pública e as decisões políticas. Com o aumento da polarização e a rapidez com que informações falsas se espalham nas redes sociais, torna-se crucial identificar e quantificar essas ocorrências.

Solução

Nosso projeto utiliza tecnologia de ponta em análise de dados, inteligência artificial e verificação de fatos para monitorar as postagens de políticos e personalidades nas redes sociais. Através de algoritmos de machine learning e parcerias com agências de fact-checking, podemos detectar, classificar e quantificar a desinformação presente nas postagens.

Metodologia:

  1. Coleta de Dados: Utilização de APIs e web scraping para coletar postagens de redes sociais (Twitter, Facebook, Instagram) de uma lista predefinida de políticos e personalidades.

  2. Análise de Conteúdo: Aplicação de algoritmos de processamento de linguagem natural (NLP) para analisar o texto das postagens.

  3. Verificação de Fatos: Colaboração com agências de fact-checking e uso de bancos de dados de fact-checks para verificar a veracidade das postagens.

  4. Classificação e Quantificação: Classificação das postagens em categorias como verdadeiras, parcialmente verdadeiras, falsas ou enganosas, e cálculo da porcentagem de fake news disseminadas por cada figura pública.

  5. Relatórios e Transparência: Publicação de relatórios periódicos e criação de um dashboard interativo onde o público pode visualizar as estatísticas e análises. Além disso, ter a possibilidade de vincular o teor das notícias falsas com os projetos de lei propostos por esses políticos e algumas informações extras sobre a vida pública dessas pessoas com base em projetos semelhantes a esse aqui: https://perfilpolitico.serenata.ai/

Impacto Esperado:

  1. Transparência: Aumentar a responsabilidade de políticos e personalidades na disseminação de informações.

  2. Educação: Informar e educar o público sobre a prevalência de fake news e a importância da verificação de fatos.

  3. Confiança: Promover uma cultura de integridade e confiança nas redes sociais e na mídia digital.

Parceiros e Stakeholders:

  • Agências de fact-checking
  • Universidades e centros de pesquisa
  • Plataformas de redes sociais
  • ONGs e organizações de mídia
  • Comunidade de desenvolvedores e especialistas em IA

Arquitetura

Arquitetura

Tecnologia e recursos utilizados

Por favor, preste atenção nos pré-requisitos que você deverá instalar/configurar.

Como instalar, rodar e testar a aplicação

Variáveis de ambiente

Variable Description Available Values Default Value Required
ENV O ambiente da aplicacão dev / test / qa / prod dev Sim
PYTHONPATH Guia para o python interpretar os pacotes da aplicação e dependências ref . Sim

Nota: Quando você rodar o comando install (usando docker ou localmente), um arquivo .env será criado automaticamente baseado no arquivo env.template

Command Docker Locally Description
install make docker/install make local/install Para instalar o projeto
tests make docker/tests make local/tests Para rodar os testes da aplicação (com coverage)
lint make docker/lint make local/lint Para rodar análises estáticas do código usando ruff
lint/fix make docker/lint/fix make local/lint/fix Para corrigir os arquivos após a análise estática
run make docker/run make local/run Para rodar a aplicação

Confira todos os comandos disponíveis no arquivo Makefile.

Logging

Esse projeto usa uma maneira muito simples para configurar os logs com o arquivo logging.conf.

Settings

É possível gerenciar as configurações estáticas do projeto com o arquivo settings.conf através da classe de configuração com recursos do ConfigParser.

About

AntiFa (Anti FakeNews) é um projeto dedicado a analisar e quantificar a porcentagem de notícias falsas (fake news) disseminadas por políticos e personalidades brasileiras em suas redes sociais.

Topics

Resources

License

Code of conduct

Security policy

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published