La légitimité du processus électoral est souvent remise en question par des candidats et membres de l’élite politique qui tente de justifier leurs défaites aux urnes. Par conséquent, plusieurs électeurs sont exposés à des allégations non-fondées de fraude électorale, et ce, même si la fraude électorale se produit très rarement dans les démocraties établies. Certaines études ont déjà déterminé que des affirmations trompeuses concernant l’intégrité des élections ont des effets négatifs sur la perception des citoyens face à l’impartialité électorale. En effet, des chercheurs ont montré que les allégations non-fondées de fraude électorale ébranlent la confiance que les électeurs ont envers le système électoral. Cependant, aucune étude n’a exploré l’effet potentiel de ces allégations sur la participation électorale. En utilisant des données de sondage originales collectées au Royaume-Uni, ce projet considère l’impact des affirmations de fraude électorale sur la décision d’aller voter ou non. En premier lieu, nous regardons l’effet sur les dispositions électorales spécifiques, c’est-à-dire la probabilité qu’un individu ira voter. Par la suite, nous testons la capacité de messages correctifs à rectifier les perceptions erronées des électeurs et limiter l’impact négatif des allégations de fraude électorale. Les résultats de l’expérience démontrent que l’exposition à des allégations non-fondées de fraude électoral n’a pas d’effet sur la participation des citoyens aux urnes. Cependant, des analyses supplémentaires permettent d’identifier une relation entre les perceptions de fraude et la décision d’aller voter. Considérant ces résultats, des explications alternatives sont présentées. / The legitimacy of the electoral process is often put into question by political candidates and elites who seek to account for their loss. As a result, a significant portion of voters are presented with unfounded allegations of widespread election fraud even though such fraud seldom occurs in consolidated democracies. Previous research has determined that misleading claims regarding the integrity of elections carry important implications for citizens’ perceptions of electoral fairness. In fact, scholars have shown unsubstantiated claims of election fraud to be detrimental to voters’ confidence in elections as well as their support for key democratic norms. However, the literature has yet to systematically explore the impact of electoral fraud allegations on voter participation. Using original survey data from the United Kingdom, this research measures the impact of unfounded allegations of election fraud on the decision to vote or not. We first look at the impact on specific dispositions of voting, that is, the likelihood that an individual will turn out at the next election. Then, we examine the ability of corrective messages to rectify misperceptions of electoral integrity and limit the negative impacts of fraud allegations on voter participation. The results of the survey experiment do not support the hypotheses according to which exposure to unfounded allegations of fraud influences confidence in elections and voter participation. However, results from supplementary analyses highlight an important relation between perceptions of fraud and subsequent desire to cast a ballot. Explanations for these findings are discussed.

[pt] A disseminação de histórias falsas em aplicativos de mensagens e redes sociais da internet foi um dos elementos centrais da conversação civil no Brasil no período que antecedeu as eleições presidenciais brasileiras em 2018. A preocupação com a disseminação da desinformação – fenômeno que se compõe, entre outros elementos, por informações erradas, descontextualizadas, distorcidas ou falsificadas – se refletiu na quantidade de histórias falsas verificadas e desmentidas por agências independentes de checagens de fatos. No período de 20 dias entre as votações de primeiro e segundo turnos das eleições, as seis principais agências do país publicaram 228 verificações de histórias falsas disseminadas em redes sociais da internet ou aplicativos de troca mensagens, referentes a 132 diferentes pautas. A proposta desta pesquisa é identificar os temas destas histórias falsas e analisar as categorizações enunciadas em seus discursos, com a utilização da Análise de Categorização de Pertencimento (ACP), ferramenta teórico-metodológica de origem na Etnometodologia, aplicada aos textos das histórias falsas divulgados pelas agências. / [en] One of the main aspects of public debate in Brazil in the period that preceded the 2018 presidential elections was the dissemination of false stories via social media and messaging apps. Disinformation, misinformation and mal-information – phenomena that comprehends, among others, elements such as wrongful, out of context, distorted and fabricated information – were a major concern in the context of the election, which could be seen in the number of false stories debunked by independent fact-checkers. In the 20-day period between the two rounds of the presidential election, six fact-checking websites posted 228 verifications of false stories disseminated through social media and/or messaging apps, which covered about 132 different topics. This research aims to identify which were the topics of those false stories and analyze the categorizations enunciated in their discourses. In order to do so, the methodological perspective utilized was the Membership Categorization Analysis (MCP), affiliated with the tradition of Ethnomethodology, applied to the false stories discourses as quoted by the fact-checking websites.

Introduction : Le contenu en ligne est une source significative et primordiale pour les utilisateurs à la recherche d'informations liées à la santé. Pour éviter la désinformation, il est crucial d'automatiser l'évaluation de la fiabilité des sources et de vérification de la véracité des informations. Objectif : Cette étude visait à d’automatiser l'identification de la qualité des sources de santé en ligne. Pour cela, deux éléments complémentaires de qualité ont été automatisés : (1) L'évaluation de la fiabilité des sources d’information liée à la santé, en tenant compte des critères de la HONcode, et (2) L’appréciation de la véracité des informations, avec la base de données PubMed comme source de vérité. Méthodes : Dans cette étude, nous avons analysé 538 pages Web en englais provenant de 43 sites Web. Dans la première phase d’évaluation de la fiabilité des sources, nous avons classé les critères HONcode en deux niveaux : le "niveau pages Web" (autorité, complémentarité, justifiabilité, et attribution) et le "niveau sites Web" (confidentialité, transparence, divulgation financière et politique publicitaire). Pour le niveau pages Web, nous avons annoté 200 pages manuellement et appliqué trois modèles d’apprentissage machine (ML) : Forêt aléatoire (RF), machines à vecteurs de support (SVM) et le transformateur BERT. Pour le niveau sites Web, nous avons identifié des sacs de mots et utilisé un modèle basé sur des règles. Dans la deuxième phase de l’appréciation de la véracité des informations, les contenus des pages Web ont été catégorisées en trois catégories de contenu (séméiologie, épidémiologie et gestion) avec BERT. Enfin, l’automatisation de l’extraction des requêtes PubMed basée sur les termes MeSH a permis d’extraire et de comparer automatiquement les 20 articles les plus pertinents avec le contenu des pages Web. Résultats : Pour le niveau page Web, le modèle BERT a obtenu une meilleure aire sous la courbe (AUC) de 96 %, 98 % et 100 % pour les phrases neutres, la justifiabilité et l'attribution respectivement. SVM a présenté une meilleure performance pour la classification de la complémentarité (AUC de 98 %). Enfin, SVM et BERT ont obtenu une AUC de 98 % pour le critère d'autorité. Pour le niveau sites Web, le modèle basé sur des règles a récupéré les pages Web avec une précision de 97 % pour la confidentialité, 82 % pour la transparence, 51 % pour la divulgation financière et la politique publicitaire. Finalement, pour l’appréciation de la véracité des informations, en moyenne, 23 % des phrases ont été automatiquement vérifiées par le modèle pour chaque page Web. Conclusion : Cette étude souligne l'importance des modèles transformateurs et l'emploi de PubMed comme référence essentielle pour accomplir les deux tâches cruciales dans l'identification de sources d'information fiables en ligne : l’évaluation de la fiabilité des sources et vérifier la véracité des contenus. Finalement, notre recherche pourrait servir à améliorer le développement d’une approche d’évaluation automatique de la crédibilité des sites Web sur la santé. / Introduction: Online content is a significant and primary source for many users seeking healthrelated information. To prevent misinformation, it's crucial to automate the assessment of reliability of sources and fact-checking of information. Objective: This study aimed to automate the identification of the credibility of online information sources. For this, two complementary quality elements were automated: (1) The reliability assessment of health-related information, considering the HONcode criteria, and (2) The factchecking of the information, using PubMed articles as a source of truth. Methods: In this study, we analyzed 538 English webpages from 43 websites. In the first phase of credibility assessment of the information, we classified the HONcode criteria into two levels: the “web page level” (authority, complementarity, justifiability, and attribution) and the “website level” (confidentiality, transparency, financial disclosure, and advertising policy). For the web page level, we manually annotated 200 pages and applied three machine learning (ML) models: Random Forest (RF), Support Vector Machines (SVM) and the BERT Transformer. For those at website level criteria, we identified the bags of words and used a rule-based model. In a second phase of fact-checking, the contents of the web pages were categorized into three themes (semiology, epidemiology, and management) with BERT. Finally, for automating the factchecking of information, the automation of PubMed queries extraction using MeSH terms made it possible to automatically extract and compare the 20 most relevant articles with the content of the web pages. Results: For the web page level the BERT model obtained the best area under the curve (AUC) of 96%, 98% and 100% for neutral sentences, justifiability and attribution respectively. SVM showed a better performance for complementarity classification (AUC of 98%). Finally, SVM and BERT obtained an AUC of 98% for the authority criterion. For the websites level, the rules-based model retrieved web pages with an accuracy of 97% for privacy, 82% for transparency, 51% for financial disclosure and advertising policy. Finally, for fact-checking, on average, 23% of sentences were automatically checked by the model for each web page. Conclusion: This study emphasized the significance of Transformers and leveraging PubMed as a key reference for two critical tasks: assessing source reliability and verifying information accuracy. Ultimately, our research stands poised to significantly advance the creation of an automated system for evaluating the credibility of health websites.

En el marco de la pandemia global del coronavirus, las desinformaciones han ido aumentando cada vez más, especialmente, en redes sociales. Aunque este fenómeno no es nuevo, ha cobrado una mayor relevancia en los últimos años debido al avance de las tecnologías. En este trabajo de investigación, uno de los principales planteamientos, busca reconocer cuáles son las herramientas que utilizan los medios de verificación para detectar una noticia falsa en temas de salud e infodemia. Para esto se analizará el trabajo de dos medios verificadores: Ojo Público y Maldita.es / In the framework of the global coronavirus pandemic, misinformation has been increasing more and more, especially on social networks. Although this phenomenon is not new, it has become more relevant in recent years due to the advancement of technologies. In this research work, one of the main approaches, seeks to recognize which are the tools used by the verification media to detect false news on health and infodemic issues. For this, the work of two verifying media will be analyzed: Ojo Público and Maldita.es / Trabajo de investigación

The amount of open-source information – that is, data, images, and footage that is openly available to the public - is growing exponentially. With it, so is the number of citizens analysing this data to form open-source intelligence (OSINT). Using the 2022 invasion of Ukraine as a case study, this study highlights the motivations behind the citizen OSINT analysts who are uncovering events on the frontline and verifying significant amounts of data from such events. Through interviews with 10 citizen OSINT analysts – all voluntarily contributing to OSINT in relation to the invasion of Ukraine, as well as other major OSINT projects – this study demonstrates the motivations behind this growing community. The findings reflect a new era of participation and advocacy and are a demonstration of self-determination theory. The findings demonstrate citizens’ sceptic views towards traditional media but also, that with a more analytical approach, with improved transparency and collaboration there is reason to be optimistic about the future of journalism and audience engagement.