La Dra. Mónica Gracia y el Dr. Eduardo Silva, investigadores de la Universidad Internacional Iberoamericana de México (UNINI México), realizan un estudio en conjunto con otros profesionales en el cual proponen una herramienta que busca mejorar la detección automática de noticias falsas mediante aprendizaje automático. Este trabajo demuestra la eficacia de un enfoque híbrido y multivista para analizar contenidos informativos en entornos digitales.
En los últimos años, la desinformación ha crecido con rapidez en las redes sociales y en los medios digitales. Los mensajes que mezclan verdades con falsedades influyen en las conversaciones públicas, erosionan la confianza y complican la toma de decisiones, especialmente en periodos electorales o crisis sanitarias como el COVID-19. Por ello, contar con herramientas automáticas que ayuden a identificar y frenar la difusión de contenidos engañosos se ha vuelto prioritario para el ámbito de la redacción, las plataformas digitales y las autoridades.
Hasta ahora, muchas soluciones se han basado en examinar solo el texto o en utilizar modelos muy complejos. Aunque han supuesto un avance, suelen tener dificultades para adaptarse a contextos nuevos, manejar textos polémicos o explicar por qué toman una decisión. También tienden a «aplanar» toda la información en un único bloque, perdiendo matices importantes del lenguaje y del tema tratado.
El estudio propone un enfoque distinto y fácil de entender: analizar cada noticia desde tres ángulos complementarios y combinar después esas «opiniones» de manera inteligente. Primero se observa el texto en sí (palabras y expresiones frecuentes), después cómo está escrito (comprensibilidad, tono emocional, uso de nombres propios y estructura gramatical) y, por último, de qué habla realmente (temas dominantes y significado general). Para cada mirada se entrena un modelo especializado; al final, un «árbitro» reúne las tres y decide con mayor acierto que cualquiera por separado.
Para ponerlo a prueba, el equipo trabajó con decenas de miles de artículos ya clasificados como reales o falsos y utilizó una evaluación rigurosa que repite el entrenamiento y la prueba en diez rondas distintas para evitar casualidades. Además, comprobó si el sistema se mantiene estable cuando los textos sufren pequeñas alteraciones (por ejemplo, borrar o cambiar el orden de algunas palabras) y si puede trasladar lo aprendido a un conjunto diferente, formado por frases políticas cortas.
Los resultados son especialmente sólidos. En el conjunto principal, el sistema acierta el 99,94 % de las veces y supera tanto a modelos que miran una sola perspectiva como a otros que mezclan todo en un único paso. También mejora a una referencia muy potente basada en redes neuronales profundas. Cuando se evalúa con el conjunto de frases cortas, mantiene un nivel muy alto de acierto (en torno al 97 %), lo que indica que generaliza bien incluso cuando cambia el tipo de texto. En las pruebas de resistencia, la precisión se mantiene por encima del 97 % aunque se borre, intercambie o repita una parte de las palabras, señal de que, si una de las miradas pierde información, las otras dos la compensan.
Esta propuesta logra un equilibrio adecuado entre efectividad y coste computacional: mejora las métricas clave sin requerir infraestructuras pesadas, lo que facilita su adopción en entornos con recursos limitados.
Si quieres conocer más sobre este estudio, haz clic aquí.
Para leer más investigaciones, consulta el repositorio de UNINI México.
La Universidad Internacional Iberoamericana de México (UNINI México) ofrece la Maestría en Dirección Estratégica en Tecnologías de la Información. Está maestría está diseñada para los profesionales que buscan liderar la integración de las Tecnologías de la Información (TI) en las estrategias empresariales. Proporciona las herramientas necesarias para alinear las NTIC con los objetivos organizacionales, fomentando la innovación y la competitividad en un entorno empresarial en constante evolución. Inscríbete en este programa y conviértete en un líder en la transformación digital de las organizaciones.
