A formação crítica do leitor à reflexão dos fatores pragmáticos da textualidade na produção de fake news sobre a covid-19: uma análise linguística textual
Notice bibliographique
Résumé
Em meio à pandemia do novo coronavírus (Covid-19), a explosão de informações nas mídias a respeito da doença tem intensificado a produção e disseminação de notícias falsas. Dessa forma, este trabalho, apoiado na abordagem qualitativa de pesquisa, objetivou analisar a formação crítica do leitor à reflexão dos fatores pragmáticos da textualidade na produção de fake news sobre a Covid-19. São objetos de análise três publicações sobre a cura do coronavírus mediante insumos caseiros. Essas publicações foram checadas pelo site do Ministério da Saúde e comprovadas como fake news. A pesquisa foi embasada na Linguística Textual sob os fundamentos teóricos de Costa Val (1991; 2008), Koch e Travaglia (1993; 2015), Marcuschi (2008), Koch (2014), Koch e Elias (2008), Rodrigues et al. (2009); Santaella (2018), Leite (2019) e Galhardi et al. (2020), Bauman (2001) sobre fake news e sua intensificação. Constatou-se que a formação crítica dos leitores ainda é limitada, pois os produtores de fake news se valem dos fatores pragmáticos da textualidade para atribuir sentidos ao que se enuncia sobre a Covid-19 e ganham à cooperação do leitor na aceitação dos seus conteúdos. Logo, essa interação autor/texto/leitor dificulta o combate à crise sanitária no Brasil.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».