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]

The rise of the Internet has radically transformed the information landscape, significantly reducing the costs of production, distribution, and access to a wide range of political perspectives. Online publishing and social media platforms such as Facebook and Twitter have enabled the immediate sharing of news and stories, expanding individuals' access to a broad array of information. In this context, this thesis explores the application of artificial intelligence and network theory in the detection of fake news. We utilize a deep learning model, specifically fine-tuned on DeBERTa, to analyze sentiments, emotions, and classify news as true or false. The analysis focuses on four significant events: the COVID-19 pandemic, the Russo-Ukrainian war, the Italian national elections, and the Spanish national elections. Through network analysis and text classification based on data extracted from Facebook and Twitter, the research suggests that the combination of artificial intelligence and network theory constitutes an effective strategy for improving information quality and combating fake news.

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.