Array
(
[0] => stdClass Object
(
[journal] => stdClass Object
(
[id_jnl] => 75
)
)
[1] => stdClass Object
(
[section] => stdClass Object
(
[section] => 2193
)
)
[2] => stdClass Object
(
[title] => Array
(
[0] => INTELIGÊNCIA ARTIFICIAL E DESINFORMAÇÃO: DESEMPENHO DO CHATGPT E DEEPSEEK NAS VERIFICAÇÕES DA AGÊNCIA LUPA@nn
)
)
[3] => stdClass Object
(
[abstract] => Array
(
[0] => 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.@pt
)
)
[4] => stdClass Object
(
[author] => Array
(
[0] => Jônatas Edison da Silva
[1] => Edna Karina da Silva Lira
[2] => Enrique Muriel-Torrado
)
)
[5] => stdClass Object
(
[subject] => Array
(
)
)
[6] => stdClass Object
(
[source] => stdClass Object
(
[vol] =>
[nr] => nacional
[year] =>
[theme] =>
)
)
[7] => stdClass Object
(
[datePub] => Array
(
[0] => 2026-03-05 17:19:31
)
)
[8] => stdClass Object
(
[DOI] => Array
(
)
)
[9] => stdClass Object
(
[http] => Array
(
[0] => stdClass Object
(
[type] => HTTP
[value] => Array
(
[0] => https://enancib.ancib.org/index.php/enancib/xxvenancib/paper/view/3382
)
)
)
)
[10] => stdClass Object
(
[language] => Array
(
[0] => pt
)
)
[11] => stdClass Object
(
[license] => Array
(
[0] => 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.
)
)
)