Computational approaches to countering disinformation: an analysis based on artificial intelligence models and social network dynamics [Approcci computazionali per contrastare la disinformazione: un'analisi basata su modelli di intelligenza artificiale e di analisi basata su modelli di intelligenza artificiale e dinamica delle reti sociali]

La diffusione di Internet ha radicalmente trasformato il panorama informativo, riducendo i costi di produzione, distribuzione e accesso a una vasta gamma di prospettive politiche. L'editoria online e le piattaforme social come Facebook e Twitter hanno reso possibile la condivisione immediata di notizie e racconti, ampliando l'accesso delle persone a un ampio ventaglio di informazioni. In questo contesto, la presente tesi esplora l'applicazione dell'intelligenza artificiale e della teoria delle reti nella rilevazione delle fake news. Sfruttiamo un modello di deep learning, appositamente affinato attraverso fine-tuning su DeBERTa, per analizzare sentimenti, emozioni e classificare le notizie come vere o false. L'analisi si concentra su quattro eventi significativi: la pandemia di COVID-19, la guerra russo-ucraina, le elezioni nazionali italiane e le elezioni nazionali spagnole. Attraverso un’analisi di rete e una classificazione del testo, basata su dati estratti da Facebook e Twitter, la ricerca suggerisce che l'unione tra intelligenza artificiale e teoria delle reti costituisce una strategia efficace per migliorare la qualità dell'informazione e combattere le fake news.

Grantor dc:publisher

Università degli studi di Catania

Year dc:date

2025

Author dc:creator

• MIRACULA, VINCENZO

Contributors dc:contributor

• RAPISARDA, Andrea

• Artificial intelligence
• Network theory
• Fake news detection
• Disinformation
• Machine learning
• Intelligenza artificiale
• Teoria delle reti
• Rilevazione delle fake new
• Disinformazione
• Reti complesse
• Apprendimento automatico

Statement dc:rights

• info:eu-repo/semantics/openAccess
• license:PUBBLICO - Pubblico con Copyright
• license uri:iris.PUB02

Language dc:language

eng

Handle dc:identifier

https://hdl.handle.net/20.500.11769/690195

OAI identifier oai:identifier

oai:www.iris.unict.it:20.500.11769/690195