Melhorar a previsão da autenticidade das Notícias através de uma abordagem aprendizagem automática: Verificação Inteligente

A rápida proliferação de desinformação em plataformas digitais representa uma ameaça crítica ao discurso público, aos processos democráticos e à confiança da sociedade. Os sistemas de verificação manual não conseguem acompanhar o volume e a velocidade de geração de notícias falsas, tornando necessário o desenvolvimento de mecanismos automatizados de detecção. Este trabalho apresenta uma abordagem de aprendizado de máquina leve para a detecção de notícias falsas, utilizando um classificador *Passive-Aggressive* combinado com a vetorização TF-IDF; o modelo foi treinado e avaliado com o conjunto de dados de referência WELFake, composto por 72.119 artigos de notícias provenientes de diversas plataformas e abrangendo o período de 2016 a 2020. O sistema proposto alcança uma acurácia de classificação de 96,19% em 14.424 artigos de teste, com índices de precisão e *recall* entre 0,96 e 0,97 para ambas as classes e um *F1-score* balanceado de 0,96, validado por meio de um *wrapper* `CalibratedClassifierCV` que fornece saídas de probabilidade calibradas. Além da classificação, o sistema incorpora explicabilidade baseada em LIME para justificar previsões em nível de palavra, verificação de URLs em tempo real com análise de credibilidade da fonte, detecção de *clickbait* e geração de vereditos fundamentados em evidências utilizando a API Gemini.