Clasificación de perfiles de usuarios en Chile que propagan

fake news
Giannina Costa∗
March 6, 2020

Abstract
En la actualidad las personas para informase diariamente sobre los acontecimientos na-
cionales o internacionales utilizan cada vez menos los medios tradicionales como son los per-
iódicos, la gran masa de la sociedad se informa en tiempo real sobre algún acontecimiento a
través de las redes sociales en línea, destacando entre las más populares Facebook y Twitter.
Actualmente la responsabilidad de informar a la ciudadanía no solo recae en sitios especializa-
dos de noticias,sino que cada uno de los usuarios de las redes sociales pueden convertirse en
algún instante de tiempo en un generador de noticias. La inmediatez con el que se comparten
diversos hechos, junto a la posibilidad de que cualquier cibernauta pueda generar noticias,
abre un desafío relevante sobre la veracidad de las noticias. Día a día surge el cuestionamiento
para los usuarios de las redes sociales de si lo que se esta leyendo es veraz o es una fakes news.
La comunidad investigativa a tomado con gran seriedad esta problemática realizando diversos
tipo de investigación centrados en la creación algoritmos predictivos y diversas herramientas
que centran sus esfuerzos en la identificación de las fakes news que se propagan a diario en las
redes sociales, pero aún se encuentra en pañales investigaciones que intenten responden a cuales
son las características, motivaciones, intereses,rango etario, nivel educacional y económico de
los usuarios que propagan las fake news. Este estudio pretende realizar una categorización
de los distintos grupos de usuario que propagan fakes news en Chile, excluyendo del análisis
organizaciones terroristas o políticas las cuales mediante el uso de bot difunden información
falsa utilizando para esta finalidad el uso de cuentas falsas.
El estudio se enfoca lograr categorizar cuales son los diferentes perfiles de usuario detrás
de la propagación de fakes news en chile utilizando como red social en línea Twitter.

Fakes News; Twitter; Perfiles de usuario.

1 Introducción
En la actualidad las personas pasan más de 6 horas 40 minutos conectados a internet [1], tiempo que
distribuyen para realizar diversos tipos de actividades entre las que se destacan el esparcimiento,
estudio y uso de las redes sociales. Dado este escenario no causa extrañeza que los cibernautas
deseen informarse de la actualidad nacional e internacional a través de internet. Siendo las redes
sociales el lugar preferido para lograr este fin, dada la colaboración de todos los usuarios y in-
mediatez de compartir algún acontecimiento que sucediendo minuto a minuto. Esto a dado paso
a que las redes sociales en línea (OSN) se hayan convertido en el lugar ideal para influenciar a los
usuarios sobre alguna temática en particular, promover propaganda extremista y sembrar discordia
y desconcierto sobre acontecimientos que ocurren a diario en el mundo [2], para conseguir estos
propósitos se intenta emular una noticia real alterando la realidad, incorporando subjetividad a
los acontecimientos y en algunas ocasiones inventando un acontecimiento no ocurrido. La accesi-
bilidad a internet y la penetración de las OSN en los usuarios han contribuido en gran medida a
modificar la forma de crear las noticias, esto debido a que las OSN permiten crear,leer y compartir
noticias de forma dinámica e inmediata, cosa que los medios tradicionales de noticias no permiten.
Otro punto que debe ser destacado es que las OSN han permitido que usuarios puedan generar
sus propias noticias, comentando o compartiendo imágenes de su participación en diversos eventos
relevantes dentro del acontecer nacional o internacional, este cambio de paradigma ha dado origen
al periodismo ciudadano. El nacimiento del periodismo ciudadano abre nuevos desafíos que deben
∗ Typeset names in 8 pt Roman. Use the footnote to indicate the present or permanent address of the author.

1
abordar, dentro de los principales desafíos a afrontar se encuentra la veracidad de la información
que se publica en las OSN, la comunidad investigativa a realizado grandes esfuerzos en dos áreas
de interés que son la detección de noticias falsas, logrando crear diversos algoritmos de clasificación
de noticias falsas y la identificación de distintos perfiles de actores que participan en la creación y
difusión de noticias falsas. [7] Logra clasificar a diferentes tipos de actores que propagan noticias
falsas entre los que destacan organizaciones terroristas, políticas y de gobierno entre otros, pero
poca investigación existe de los perfiles de actores individuales que realizan esta acción, [2] real-
iza la clasificación de usuarios mediante un algoritmo de aprendizaje supervisado en extremistas
o no extremistas basados en los tweets que ellos publican.Pero se requiere una clasificación más
detallada que permita conocer los distintos tipos de perfiles de usuario que propagan información
falsa. Para dar respuesta a esta problemática se recolectará data de la red social twitter, con-
siderando solo usuarios que se encuentre localizados en Chile entre en los meses de Diciembre 2019
y Enero 2020. El estallido social en Chile del 18 de Octubre 2019 ha ocasionado que los chilenos
que utilizan las redes sociales se hayan visto bombardeados de información mucha de esta falsa lo
que ha contribuido aún de mayor forma a la creación de un clima incertidumbre y desinformación.
La data recopilada de dichos meses se trabajará realizando las siguientes acciones, la primera ac-
ción a realizar consiste en la clasificación de las noticias recopiladas en verdaderas o falsas,para
realizar la clasificación diversos algoritmos serán estudiados y probados seleccionando el algoritmo
que entrega los mejores resultados de clasificación de noticias reales y falsas. Con la nueva data
generada al aplicar el mejor algoritmo de clasificación, se seleccionará solo la data con noticias
falsas.La nueva data será sometida a diversos algoritmos de clusterización que permita agrupar los
diferentes actores que participan en la generación y propagación de noticias falsas. Finalmente se
realiza un análisis acabado de cada uno de los clustering generados y determinará el perfil de los
usuarios que se encuentran insertos en cada uno de ellos.

2 Marco Teórico
2.1 Objetivo General
¿Es posible determinar diferentes perfiles de usuario a la creación y/o propagación de noticias
falsas (fakes news) en Chile?

2.2 Objetivos Específicos

1.- Clasificación de tuits entre noticias verídicas y falsas, mediante la utilización de modelos super-
visados de clasificación automatizados con un acierto superior al 90%.
2.- Agrupar perfiles de usuarios de tuits falsos en más de tipo de agrupaciones identificando
las características que lo definen, utilizando para esto modelos no supervisados automatizados de
clustering.

3 Estado del Arte

En esta sección se pretende responder cual es el origen, como estos han ido creciendo en los
últimos años, cuales han sido los trabajos que han tratado la naturaleza de fakes news, cuales son
los algoritmos que mejores resultados han obtenido en la determinación de fakes news. Realizar
un barrido en la literatura para determinar cuales son las características de los usuarios que más
destacan en las fakes news.
La real academia española(RAE)[5], define el termino noticia como Información sobre algo que
se considera interesante divulgar. La información que es divulgada resulta ser de interés para las
personas y en muchas ocasiones pueden afectar en forma significativa a las personas[4]. Hoy en día
las noticias no son construidas solo por periodistas, sino que cualquier usuario puede convertirse
en un divulgador de acontecimientos de interés para el publico, bajo este escenario no es posible
asegurar que este contenido proporcione una salida independiente, fiable, precisa al lector.[4].
No existe una definición única para la palabra noticia falsa o fakes news,a nuestro juicio la
definición más acertada es la utilizada por [6] quien establece que las noticias falsas o fakes news
son aquellas que se apropian de las noticias reales,es decir, son creadas como si fueran reales, pero
su propósito resulta ser diferente al de informar, ya que su fin es tergiversar una realidad con la

2
intención de influir en los usuarios en cambiar la visión de algún acontecimiento u hecho, la razón
de su creación en la mayoría de los casos obedece a razones es económicas, políticas o sociales.

3.1 Clasificación de Tipos de fakes news

Resulta de gran relevancia el poder clasificar las falsas noticias en diferentes agrupaciones dada su
naturaleza y finalidad, en este contexto [6] realizo un barrido en la literatura entre los años 2003
hasta 2017 que trataba el tema de fakes news, dentro de este barrido se extrajeron 34 artículos
académicos que permitió identificar distintos tipos de noticias falsas que pueden ser encontradas,
esta clasificación separa las fakes news en seis grupos con características y finalidades claras, estos
grupos son: sátira, parodia, fabricación, manipulación, propaganda y publicidad.
A continuación se explica cada uno de los tipos mencionados.
Sátira: Historias que hace uso de la ironía y humor cuyo objetivo es la entretención. Estas
noticias simuladas utilizan el humor y la ironía para mostrar noticias de actualidad en contextos
políticos, económicos o sociales, su finalidad es mediante el humor criticar y en ocasiones hasta
ridiculizar algún acontecimiento o situación ocurrida en algún lugar. Muchas veces estas noticias
resultan difíciles de detectar, dado el formato de como son realizadas resultan ser muy similar a
las noticias reales lo que puede inducir a los usuarios a creer que la sátira que se esta leyendo es
una noticia real. Hoy en día este tipo de noticias esta adquiriendo una atención importante en la
web, por lo que resulta relevante poder detectarlas .
Parodia: Este tipo de noticias tiene gran similitud con la sátira dado que ambas utilizan el
humor para llamar la atención de los usuarios. El contexto de este tipo de noticias al igual que
la sátiras se enfoca a temas políticos, económicos y sociales que son de interés en ese momento.
La diferencia de este tipo de noticias es que no se enfocan en hechos reales sucedidos, sino que
crean hechos ficticios con los cuales se realizan criticas sociales, políticas o económicas. Este tipo
de noticias capta una gran atención por parte de los usuarios dado que juega con el absurdo para
lograr la atención, este hecho hace que resulte menos probable que los usuarios den esta noticia
como real.
Fabricación: Tipo de noticia que no se basa en hechos reales, por lo cual no cuenta con una
base real que la sustente. Al utilizar al utilizar formatos muy similares de noticias reales hace que
muchos usuarios crean que estas noticias sean reales. El fin que persigue este tipo de noticias es la
desinformación de los usuarios falseando acontecimientos con el fin de tener un beneficios político,
económico o social. Cabe destacar que este tipo de noticias se alimenta de los problemas sociales,
políticas o económicos reales de un país, dado que cuando existe una tensión social, económica o
política los usuarios tienden a tomar posturas radicales lo que los hace mas vulnerable a consumir
y compartir este tipo de noticias. La motivación de la fabricación de este tipo noticias puede
ser económico cuya finalidad es atraer clics para los anunciante, en otros casos la finalidad es de
índole política cuyo objetivo es potenciar una tendencia política en desmedro de otras, esto se
realiza contando un acontecimiento real con algún tipo de sesgo político que el lector no logra
diferenciar como falsa, este tipo de noticias suelen ser difundidas en medios que acostumbran a
publicar noticias reales por lo cual resulta aun mas complejo para el lector poder diferenciarlas.
Manipulación: Este tipo de noticias hace referencias a fotos manipuladas, que si bien dichas
fotos son reales,la narrativas que acompañan a dichas fotos no corresponden a la realidad ya han
sido alteradas para conseguir algún tipo de beneficio ya sea político, económico o social.
Publicidad: Este tipo de noticias tienen la apariencia de ser informes noticiosos reales pero
que su finalidad es el marketing de algún tipo de producto o servicio. Para conseguir su objetivo
este tipo de noticias se apoya de fuentes oficiales, estadísticas, entrevistas y estudios académicos.
Propaganda: Este tipo de noticias tiene la finalidad de influir en la percepción del público
para obtener algún tipo de beneficio político, ya sea beneficiando a algún personaje publico o a
alguna entidad en desmedro de otras.
El estudio de [7] logra categorizar en ocho los distintos tipos de fakes news que podemos
encontrar en la web, de estas ocho categorías tres de ellas fueron identificadas por [6] fabricación,
sátiras, propaganda. [7] logra identificar categorías adicionales que logran ser de interés para este
estudio dadas sus características y finalidad de persiguen.
Estas categorías se detallan a continuación:
Teorías de la Conspiración: Noticias que intentan explicar algún hecho o acontecimiento
basando en teorías conspirativas las cuales carecen de pruebas reales. La mayor parte del tiempo
este tipo de noticias hacen referencia a actos ilícitos realizados por algún gobierno o personaje

3
poderoso. Este tipo de noticias carecen de fuentes fidedignas y confía en que los lectores realicen
un acto de fe al dar por cierto este tipo de noticias. Dado lo anterior resulta relevante que este
tipo de noticias cuente con un relato coherente y bien presentado.
Engaños: Este tipo de noticias son verdades a medias, dado que hace referencia a algún
hecho o acontecimiento real, pero el desarrollo de esta noticia hace uso de datos inexactos,falsos o
subjetivos.
Sesgado: Este tipo de noticias carecen de objetividad al relatar un hecho o acontecimiento
determinado, noticias parciales o unilaterales, sesgados con la intención de favorecer a una per-
sona,partido,situación´ o evento
Rumores: Noticias cuya veracidad no ha sido confirmada o resulta ambigua. Este tipo de
noticias se ha propagado ampliamente en las redes sociales.
Clickbait: Noticias que utilizan titulares o miniaturas como cebo para captar la atención del
lector en la web, dichos titulares o contenidos de miniatura son engañosos. Este tipo de noticias
no resulta ser problemático dado que si un usuario lee el contenido puede percatarse sin problemas
que se trata de un engaño.

3.2 Perfiles de quienes crean fakes news

Existen diversos estudios que han puesto atención en la identificación de los posibles tipos de
actores que existen en Twitter y que pueden encontrarse tras la creación y difusión de noticias
falsas[7] [2] [9] [10] .
[2] Logra clasificar los perfiles de usuarios en extremista o no extremista utilizando para ello
algoritmos de aprendizaje automático que lograron identificar si el contenido ingresado estaba
relacionado con algún acto o tipo de extremismo.
[9] Mediante el uso de una extensión de Chrome y aplicando técnicas supervisadas de clasi-
ficación y mallas petri que analizan las características de los usuarios, pudieron clasificar a los
usuarios entre perfiles falsos y perfiles reales.
[10] Utilizaron dos modelos de procesamiento automático de datos estos fueron que SVN y
Random Forest los cuales permitieron clasificar las cuentas twitter en cuentas bot o cuentas reales
[7] Logra identificar diez diferente tipos de actores posibles que pueden encontrarse tras creación
y la propagación de falsas noticias.
Botnet: Conjunto de maquinas o bots responsables de controlar la actividad en lineas de un
gran número de cuentas falsas con la finalidad de desinformar a los usuarios mediante el uso de
falsa información. Los botnet manejan un gran cantidad de cuentas falsas que le permiten propagar
esta falsa información de forma rápida y eficiente.
Organizaciones terroristas criminales: Este tipo de organizaciones utilizan las redes so-
ciales para propagar falsa información que les permita alcanzar sus objetivos, dichos objetivos van
desde el reclutamiento de nuevos militantes,la difusión de su ideología o concientización de sus
ideales. La gran mayoría de las veces realizan este acto utilizando la propaganda (tipo de fakes
news definido previamente) como forma de llamar la atención del publico.
Activista u organizaciones políticas: Este tipo de organizaciones propagan información
falsa con el fin de destacar sus cualidades positivas en desmedro de sus adversarios o competidores.
Gobiernos: Los gobiernos indudablemente han participado desde hace mucho tiempo en la
propagación de falsa información con la finalidad de manipular a la opinión publica referente a
temas que resultan de interés para ellos.
Carteles ocultos pagados y Trolls patrocinados por el Estado: Usuarios reales quienes
reciben una recompensa monetaria al propagar información falsa dirigida a cierto grupo demográ-
fico, al presentar un comportamiento de usuarios regulares resulta más complejo el lograr identi-
ficarlos. Este tipo de actores son utilizados mayoritariamente para contribuir en la ejecución de
alguna agenda política o para la adopción de ciertas tendencias sociales o de negocio.
periodistas: Estos actores son los responsables de la divulgación de información tanto en
linea como fuera de ella. De estos actores se espera la imparcialidad en el relato de los acontec-
imientos, pero algunos de ellos falsean o manipulan la información con la intención de aumentar
su popularidad en las redes sociales y fuera de ellas.
Tontos útiles: Se refiere a usuarios normales que propagan información falsa pues han
sido manipulados por algún tipo de organización o partido político. Este tipo de actores resultan
ser perfiles de personas ingenuas que resultan ser fáciles de manipular, quienes no resultan ser
conscientes de la finalidad de la noticia falsa que están compartiendo.

4
 “Verdaderos creyentes” y Teóricos de la conspiración´n : Este tipo de actores propagan
falsa información pues están convencidos de que están compartiendo una verdad y quieren que esta
verdad sea sabida por el resto de la audiencia. Este tipo de actores resultan ser verdaderos creyentes
de la noticia que están compartiendo.
Las personas que se benefician de la información´n falsa: Actores que obtienen algún
tipo beneficio personal al propagar la información falsa. El perfil de estos actores es amplio pues
puede ser personajes públicos, de la farándula o personas comunes.
trolls : Este tipo de actores propagan falsa información solo con la intención de causar un
malestar al resto de los usuarios.

3.3 Algoritmos aprendizaje automáticos para la clasificación de fakes

news
Rama de la inteligencia artificial cuyo objetivo es que los sistemas mediante entrenamiento uti-
lizando un volumen alto de datos sean capaces de aprender patrones relevantes de los datos de
forma automática por si solos de los datos y sean capaces de predecir, clasificar, agrupar. Existen
muchas maneras de conseguir dicho objetivo, lo que da como resultado un conjunto de algoritmos
automatizados sobre los que se puede trabajar. Existe una clasificación de estos algoritmos basa-
dos en la forma en que ellos aprenden, estos métodos de aprendizaje se clasifican n cuatro tipos:
supervisados, no supervisados, semi supervisados y de reforzamiento.
Aprendizaje supervisado: Es el método más utilizado, estos algoritmos conocen previamente los
valores resultantes conocidas como etiquetas, el objetivo de los algoritmos es aprender la función
óptima que mejor relacione las variables de entrada con la variable de salida o etiquetas. El método
supervisado puede realizar su aprendizaje utilizando clasificación o regresión, esto dependerá del
tipo variable de salida, si es categórica sera necesario utilizar clasificación en caso de ser una variable
continua se utilizará regresión. Nuestra primera parte del estudio desea diferenciar entre tweets
verdaderos y falsos, por lo cual el modelo a utilizar el de clasificación. Algoritmos de clasificación:
Este tipo de algoritmos tratan de predecir la pertenencia de las variables de entrada a alguna de
las clases definidas en las etiquetas. Para nuestro estudio utilizaremos las etiquetas Real y Falso
para clasificar las noticias reales y las falsas noticias respectivamente. Algoritmos de regresión El
objetivo de dichos algoritmos es poder predecir un resultado en una escala continua.
Aprendizaje no Supervisado: El algoritmo no cuenta con datos etiquetados para poder realizar
su entrenamiento, solo se conocen los datos de entrada, el objetivo de este tipo de algoritmos es
encontrar estructuras subyacentes en los datos. Los métodos de aprendizaje no supervisados más
utilizados son agrupación (clustering) y reducción dimensional
Algoritmos de agrupación (clustering): Técnica analítica para el desarrollo de los subgrupos
significativos a partir de una muestra más grande, en nuestro caso una vez obtenido la data de los
tweets falso se utilizará este tipo de algoritmo para realizar subgrupos de perfiles que se basará en la
similitudes observadas entre ellos. Algoritmos de reducción dimensionalidad este tipo de algoritmos
resultan de mucha utilidad cuando el número de características resulta ser mayor al numero de
nuestras observaciones. En nuestro caso esto ocurre dado que los datos que fueron recolectados de
twitter y de las características de los perfiles de usuarios que pueden ser rescatados utilizando API
para extracción de data en la OSN es inferior al numero de tweets falso recolectados.
Aprendizaje semi supervisado: En este tipo de aprendizaje solo parte de los datos cuenta con
el resultado de la variables objetivo o etiqueta. Este modelo permite la integración de los datos no
etiquetados aprenda de los datos etiquetados mediante un aprendizaje supervisado. Este modelo
resulta útil cuando resulta costoso la medición de todas las variables objetivos del dataset con el
que se trabaja.
Aprendizaje Reforzado: Este tipo de aprendizaje se enfoca en construir que pueda aprender de
la interacción con el ambiente.

3.4 Relación de Twitter y las fakes news

Twitter es una de las redes sociales más ampliamente utilizada por los usuarios hoy en día, su
gran impacto radica en la posibilidad de publicar actualizaciones de estado muy breves en 280
(anteriormente 140) caracteres.
[8] Destaca que dentro de las características que distingue a twitter de otras redes sociales es los
tipos de usuarios diversos que existen, junto a la posibilidad de interactuar con otros usuarios que

5
presentan los mismos intereses, para esto no se requiere tener una relación de seguidor/seguido.
A diferencia de otros sitios de redes sociales, Twitter tiene una base de usuarios muy diversa.
Hoy en día Twitter es considerado como la voz o el habla de una persona. Los tweets se consideran
declaraciones y son parte del boletín de noticias, etc.
Nos permite leer los mensajes cortos basados en 140 caracteres (o menos) conocidos como tweets
sin registro, pero después de iniciar sesión podemos leer y crear tweets sin inconveniente. Twitter
también es conocido SMS de internet.
La una de razones por la twitter es considerada la voz de las personas es por que las cuentas
verificadas. Verificar cuenta es una característica de Twitter que permite a las celebridades o
figuras públicas mostrarle al mundo a través de una cuenta real, aunque a veces puede ocurrir que
la verificación de la cuenta es solo para mantener el control de esta pero no son los dueños de las
cuentas quienes las administran día a día.
Al igual que que la mayoría de los OSN cuando nos registramos en Twitter, debemos crear
nuestro perfil,la data requerida par la creación de los perfiles resulta ser bastante limitada, lo
mismo ocurre al crear un tweets donde la información que puede obtenerse es limitada si se utiliza
la API gratuita de tweets, en caso de requerir más información respecto al Twitter creados se
debe utilizar un proceso de pago. Proceso que fue realizado para este estudio. Una de los grandes
beneficios de Twitter es permite suscribirse o "seguir" a cualquier otro usuario de Twitter. El
feedback para cada uno de los usuarios es que se encuentra personalizado para mostrar los tweets
más relevantes de todas las personas a las que el usuario sigue. Existen otros OSN que presentan
características similares como es el caso de Sina Weibo versión china de Twitter que cuenta con
alrededor de 500 millones de usuarios.
Al ser twitter una OSN que presenta una relación no bidireccional con entre los usuarios resulta
ser terreno fértil para la propagación de y difusión de noticias falsas.

4 Métodos
Mediante el uso de la API de twitter se extrajo tweets entre los meses de diciembre y enero de
2020 solo en chile, con las palabras claves referentes a la contingencia del estallido social de chile
que aun sigue acaparando la atención mediática y ciudadana del país. La extracción fue realizando
utilizando lenguaje python. Posterior a la extracción de la data se realiza un proceso de limpieza
de los datos en donde son eliminados registros que no cuentan con información de datos relevantes
para procesos posteriores como son latitud, longitud, ubicación,etc. Una vez con la data limpia
se procede a utilizar los diveresos algoritmos de clasificación determinando su grado de precisión,
recall, curva roc entre otros. Una vez seleccionado el mejor algoritmo se procede a agregar data
nueva que permita clasificar el tweets con verdadero o falso. Con un dataset lo suficientemente
poderoso se procede realizar un filtro en donde se almacén solamente los tweets cuya etiqueta sea
falsa. Con el nuevo dataset que solo considera tweets falso se procede a realizar una nueva revisión y
limpieza de datos donde se descartan todos los registros que no consideran todas las características
a analizar para esto se utiliza la herramienta weka. Con el nuevo dataset limpio se procederá
aplicar algoritmos de agrupamiento (clustering), para determinar cual de estos algoritmos entrega
mejores resultados. Una vez obtenidos las agrupaciones de usuarios se procederá a realizar un
análisis exhaustivo de la data que permita identificar características similares y correlacionadas
que permita definir los distintos perfiles de usuarios que participan en la creación y difusión de
falsas noticias.

5 Resultados y Discusión
Se esta trabajando en la obtención de resultados y evidencia, que permitan validar o refutar la
pregunta de investigación que fue formulada.

6 Conclusiones
Se destacaran los resultados obtenidos y se establecerán posibles futuras lineas de investigación en
esta área.

6
References
[1] Digital 2019: Global Internet Use Accelerates - We Are Social. (2019). Retrieved 17 December
2019, from https://wearesocial.com/blog/2019/01/digital-2019-global-internet-use-accelerates
[2] Zahra, K., Azam, F., Butt, W., Ilyas, F. (2018). A Framework for User Characteriza-
tion based on Tweets Using Machine Learning Algorithms. Proceedings Of The 2018 VII
International Conference On Network, Communication And Computing - ICNCC 2018. doi:
10.1145/3301326.3301373
[3] Zannettou, S., Sirivianos, M., Blackburn, J., Kourtellis, N. (2019). The Web of False Informa-
tion. Journal Of Data And Information Quality, 11(3), 1-37. doi: 10.1145/3309699.
[4] Richardson, B. (2007). The process of writing news. Boston: Pearson.

[5] ASALE, R. (2020). noticia | Diccionario de la lengua española. Retrieved 2 January 2020, from
https://dle.rae.es/?w=noticia
[6] Tandoc, E., Lim, Z., Ling, R. (2017). Defining “Fake News”. Digital Journalism, 6(2), 137-153.
doi: 10.1080/21670811.2017.1360143

[7] Zannettou, S., Sirivianos, M., Blackburn, J., Kourtellis, N. (2019). The Web of False Informa-
tion. Journal Of Data And Information Quality, 11(3), 1-37. doi: 10.1145/3309699
[8] Chauhan, S., Nutan Kumar Panda. (2015). Hacking Web Intelligence. Elsevier Science.
[9] Sahoo, S. R., Gupta, B. (2019). Hybrid approach for detection of ma-
licious profiles in twitter. Computers Electrical Engineering, 76, 65–81.
https://doi.org/10.1016/j.compeleceng.2019.03.003
[10] Pratama, P. G., Rakhmawati, N. A. (2019b). Social Bot Detection on 2019 Indone-
sia President Candidate’s Supporter’s Tweets. Procedia Computer Science, 161, 813–820.
https://doi.org/10.1016/j.procs.2019.11.187