Evaluación de la precisión de los modelos de clasificación binaria para la identificación de noticias verdaderas o falsas en Costa Rica

Abstract

El consumo de noticias en Costa Rica ha cambiado en los últimos años con el acceso masivo a la Internet en dispositivos móviles. Tener acceso a contenido noticioso por medio de sus computadores y dispositivos móviles ayuda a que la propagación de noticias sea muy rápida y tenga distribución masiva. Este fenómeno ha traído también un problema y es la proliferación de contenido falso en sitios web y redes sociales. Las noticias falsas representan un problema verdadero que requiere ser tomado con seriedad. El objetivo del presente trabajo consiste en presentar el proceso investigativo de la evaluación del nivel de precisión de diferentes modelos de minería de datos para la detección de noticias como verdaderas o potencialmente falsas, utilizando un conjunto de datos creado desde cero por los investigadores y que ha sido puesto a disposición del público en Internet, tras efectuar un análisis lingüístico del contenido de la noticia. Se ofrecen seis diferentes variaciones para modelos como Regresión Logística, Árboles de Decisión, Bosques Aleatorios y Máquinas de Soporte de Vectores con el fin de hacer una comparación exhaustiva de las variables lingüísticas disponibles que pueden afectar los resultados y se comparan los resultados entre los mismos, teniendo resultados aceptables para la mayoría de los modelos.