TREINAMENTO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL PARA DETECÇÃO DE FAKE NEWS PARA O JORNAL CAMPUS MULTIPLATAFORMA

A disseminação de fake news representa um desafio contemporâneo, intensificado pelas redes sociais e algoritmos de recomendação. Esta pesquisa investiga a viabilidade do uso de modelos generativos de Inteligência Artificial para a detecção de fake news no jornal Campus Multiplataforma. Para isso, foi estruturado um projeto de software destinado ao uso futuro por jornalistas e universitários, além de um algoritmo para análise e comparação das métricas dos modelos avaliados. Com base na literatura, foram selecionados diferentes modelos de LLM e estratégias de interação, testados sobre uma amostra adaptada do corpus FakeRecogna, denominada FakeRecogna_anomaly, composta por 90% de notícias verdadeiras e 10% falsas. Foram comparados modelos da Meta, OpenAI e de código aberto, considerando as métricas precision, recall e F1-score. Os resultados indicam que modelos com foco em raciocínio multimodal, como o Qwen3.6-27B, apresentam maior potencial para gerar classificações mais precisas do que modelos sem mecanismos de raciocínio.