ClaimPT: A Portuguese Dataset of Annotated Claims in News Articles
Este artigo apresenta o ClaimPT, um novo conjunto de dados em português europeu contendo 1.308 artigos jornalísticos da LUSA com 6.875 afirmações factuais anotadas, criado para impulsionar a investigação e o desenvolvimento de ferramentas de verificação de factos automatizados nesta língua.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que o mundo das notícias é uma enorme biblioteca cheia de livros diários. Muitos desses livros contêm fatos reais, mas outros escondem pequenas "pedras" de desinformação ou afirmações que precisam ser verificadas. O problema é que os "bibliotecários" (os fact-checkers humanos) são lentos e cansados, enquanto as notícias falsas correm como o vento.
Este paper apresenta o ClaimPT, que é como um manual de instruções super detalhado e um mapa do tesouro criado especificamente para a língua portuguesa.
Aqui está a explicação simples, usando analogias:
1. O Problema: A Tempestade de Notícias
Pense nas notícias online como uma chuva torrencial. A maioria é água limpa (fatos), mas às vezes cai um pouco de lama (mentiras ou exageros). Antigamente, as pessoas verificavam cada gota manualmente. Hoje, a chuva é tão forte que ninguém consegue limpar tudo a tempo. A correção chega sempre depois do estrago.
2. A Solução: O "ClaimPT" (O Mapa do Tesouro)
Os autores criaram o ClaimPT. Não é apenas um conjunto de dados; é como se eles tivessem organizado 1.308 jornais portugueses (da agência LUSA) e marcado, com canetas de cores diferentes, exatamente onde estão as "pedras" que precisam de verificação.
- O que é um "Claim" (Afirmação)? Imagine que você está lendo uma notícia. Se alguém diz "O céu é azul", isso é um fato. Se um político diz "Eu prometi que a ponte será construída", isso é um Claim. É uma promessa ou afirmação que pode ser provada como verdadeira ou falsa.
- O que o ClaimPT faz? Ele pega esses textos e ensina aos computadores: "Olha, aqui está uma afirmação importante. Aqui está quem disse (o claimer). Aqui é sobre o que (o tema). E aqui está a hora em que foi dito."
3. Como foi feito? (A Equipe de Detetives)
Para criar este mapa, os autores não deixaram qualquer um fazer o trabalho. Eles usaram um processo rigoroso, como uma equipe de detetives:
- Dois investigadores leram cada notícia independentemente e marcaram as afirmações.
- Um chefe de investigação (curador) revisou tudo para garantir que eles não estavam a brincar ou a inventar regras.
- Eles criaram um sistema de cores (o esquema de anotação) para não se perderem: marcaram quem falou, o que foi dito, se foi uma confirmação ou uma negação, e em que contexto.
4. Por que é diferente dos outros?
Muitos outros mapas de "mentiras" focam no Twitter ou em debates políticos onde as pessoas falam de forma confusa e informal.
O ClaimPT é especial porque foca nos jornais profissionais. É como a diferença entre ouvir um boato no café (redes sociais) e ler uma reportagem séria num jornal. As afirmações nos jornais são mais estruturadas, mas também mais difíceis de encontrar porque estão "escondidas" dentro de textos longos e bem escritos.
5. O Teste (Os Robôs a Tentar Ler)
Os autores testaram se os computadores conseguiam usar este mapa. Eles deram o ClaimPT a dois tipos de "robôs":
- Robôs Criativos (Modelos Generativos): Como o Gemini. Eles tentaram adivinhar onde estavam as afirmações, mas muitas vezes confundiam uma citação de um jornalista com uma afirmação de um político. Foi como tentar adivinhar o final de um livro apenas olhando para a capa: às vezes acertam, mas muitas vezes erram o contexto.
- Robôs Analíticos (Modelos BERT): Estes são mais focados em analisar frase por frase. Eles funcionaram melhor, conseguindo identificar onde a "pedra" estava escondida no texto com mais precisão.
6. Para que serve tudo isto?
O objetivo final não é apenas ter um livro de dados, mas treinar novos "fact-checkers automáticos".
Ao liberar este mapa (o dataset) para a comunidade científica, os autores dizem: "Aqui estão as ferramentas. Agora, criem robôs que consigam ler notícias em português e dizer: 'Ei, esta frase precisa de ser verificada'".
Em resumo:
O ClaimPT é a primeira grande ferramenta de mapeamento para caçar mentiras e afirmações duvidosas em notícias portuguesas sérias. É como dar um GPS e uma lupa para a inteligência artificial, para que ela possa ajudar a limpar a "lama" da desinformação antes que ela espalhe pelo mundo.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.