{rfName}
Ex

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

12

Altmetrics

Investigadores/as Institucionales

Munoz, SergioAutor (correspondencia)Iglesias, Carlos AAutor o Coautor

Compartir

12 de noviembre de 2024
Publicaciones
>
Artículo
Sí

Exploiting Content Characteristics for Explainable Detection of Fake News

Publicado en: Big Data and Cognitive Computing. 8 (10): 129- - 2024-10-01 8(10), DOI: 10.3390/bdcc8100129

Autores:

Munoz, Sergio; Iglesias, Carlos A
[+]

Afiliaciones

Univ Politecn Madrid, Telemat Syst Engn Dept, Intelligent Syst Grp, Ave Complutense 30, Madrid 28040, Spain - Autor o Coautor

Resumen

The proliferation of fake news threatens the integrity of information ecosystems, creating a pressing need for effective and interpretable detection mechanisms. Recent advances in machine learning, particularly with transformer-based models, offer promising solutions due to their superior ability to analyze complex language patterns. However, the practical implementation of these solutions often presents challenges due to their high computational costs and limited interpretability. In this work, we explore using content-based features to enhance the explainability and effectiveness of fake news detection. We propose a comprehensive feature framework encompassing characteristics related to linguistic, affective, cognitive, social, and contextual processes. This framework is evaluated across several public English datasets to identify key differences between fake and legitimate news. We assess the detection performance of these features using various traditional classifiers, including single and ensemble methods and analyze how feature reduction affects classifier performance. Our results show that, while traditional classifiers may not fully match transformer-based models, they achieve competitive results with significantly lower computational requirements. We also provide an interpretability analysis highlighting the most influential features in classification decisions. This study demonstrates the potential of interpretable features to build efficient, explainable, and accessible fake news detection systems.
[+]

Palabras clave

Adversarial machine learningComputational costsContrastive learningDetection mechanismExplainabilityFake news detectionInformation ecosystemsInterpretabilityLanguage patternsMachine learningMachine-learningPressungText classificatioText classification

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Big Data and Cognitive Computing debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 26/147, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Theory & Methods.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-25:

  • WoS: 5
  • Scopus: 6
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-25:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 40.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 38 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/89176/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 115
  • Descargas: 105
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (MUÑOZ LOPEZ, SERGIO) y Último Autor (IGLESIAS FERNANDEZ, CARLOS ANGEL).

el autor responsable de establecer las labores de correspondencia ha sido MUÑOZ LOPEZ, SERGIO.

[+]

Reconocimientos ligados al ítem

This project has been funded by the project UNICO I+D Cloud-AMOR, financed by the Ministry of Economic Affairs and Digital Transformation and the European Union through Next Generation EU.
[+]