Array
(
[responseDate] => 2026-03-08T23:42:50Z
[request] => https://enancib.ancib.org/index.php/enancib/xxivenancib/oai
[GetRecord] => SimpleXMLElement Object
(
[record] => SimpleXMLElement Object
(
[header] => SimpleXMLElement Object
(
[identifier] => oai:ocs.enancib.ancib.org:paper/3382
[datestamp] => 2026-03-05T20:19:31Z
[setSpec] => enancib:xxvenancib:GT 6
)
[metadata] => SimpleXMLElement Object
(
[dc] => SimpleXMLElement Object
(
[title] => INTELIGÊNCIA ARTIFICIAL E DESINFORMAÇÃO: DESEMPENHO DO CHATGPT E DEEPSEEK NAS VERIFICAÇÕES DA AGÊNCIA LUPA
[creator] => Array
(
[0] => Jônatas Edison da Silva; Universidade Federal de Santa Catarina (UFSC)
[1] => Edna Karina da Silva Lira; Universidade Federal de Santa Catarina (UFSC)
[2] => Enrique Muriel-Torrado; Universidade Federal de Santa Catarina (UFSC)
)
[description] => Este estudo tem como objetivo analisar o desempenho de ferramentas de IA generativa na identificação de desinformação, a partir da comparação entre suas respostas e as checagens realizadas pela Agência Lupa. A pesquisa é aplicada, exploratória, qualitativa e documental. Foram analisadas 62 notícias verificadas entre 2020 e 2024. Optou-se pelo uso de versões gratuitas das IAs generativas para simular o acesso possível a cidadãos comuns, considerando limitações de interesse ou de recursos financeiros. Analisaram-se as respostas das IAs com base na correspondência com as verificações da Agência Lupa, utilizando três categorias: acerto, erro e ambíguo. O ChatGPT apresentou mais respostas corretas que o DeepSeek, demonstrando maior precisão. Ambas as ferramentas indicaram links para páginas oficiais. O DeepSeek teve desempenho inferior, com respostas imprecisas ou incompletas, indicando necessidade de mais treinamento para lidar com conteúdo desinformativos. Recomenda-se incluir outras ferramentas e analisar desinformações recentes para ampliar a compreensão sobre o uso de IA no combate à desinformação.
[publisher] => Enancib
[contributor] => CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior.
[date] => 2026-03-05 17:19:31
[type] => Documento avaliado pelos pares
[format] => application/pdf
[identifier] => https://enancib.ancib.org/index.php/enancib/xxvenancib/paper/view/3382
[source] => Enancib; XXV ENCONTRO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO
[language] => pt
[rights] => Autores que submetem a esta conferência concordam com os seguintes termos:
a) Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença Licença Creative Commons Attribution, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.
b) Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subseqüente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.
c) Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência.
)
)
)
)
)