Acceso usuarios
La proliferación de noticias falsas y narrativas conspirativas se ha convertido en un desafío de gran relevancia dentro del ámbito de la investigación en Procesamiento del Lenguaje Natural (PLN), debido al creciente flujo de desinformación en las plataformas digitales. La difusión de información falsa constituye una amenaza potencial para la preservación y promoción de la fiabilidad informativa, especialmente en los entornos de comunicación en línea. No obstante, la mayoría de los modelos y conjuntos de datos más relevantes en PLN se centran todavía en la lengua inglesa, dejando al español relativamente subrepresentado. Este artículo revisa los retos lingüísticos y computacionales asociados a la detección de desinformación y teorías conspirativas en contextos hispanohablantes. Examinamos los métodos y técnicas actuales más relevantes en PLN, desde enfoques clásicos de aprendizaje automático hasta arquitecturas basadas en Transformers y modelos de lenguaje de gran tamaño, y presentamos los experimentos más eficaces en la identificación de discursos desinformativos y conspirativos en español. Asimismo, destacamos los desafíos que plantean los enfoques multimodales en PLN, orientados a incorporar el análisis de datos visuales y auditivos procedentes de los medios digitales, y subrayamos la necesidad de contar con esquemas de anotación que tengan en cuenta el contexto cultural, así como la importancia de corpus específicos para cada dominio. En este sentido, presentamos los avances de investigación que están impulsando el desarrollo de modelos más precisos, capaces de captar los matices sutiles y las características retóricas e ideológicas que definen la desinformación en la esfera digital hispanohablante.
The proliferation of fake news and conspiracy narratives has become a significant challenge within the Natural Language Processing (NLP) research field, since there is an increasing circulation of misinformation across digital platforms. The spread of these false narratives poses a potential threat for the preservation and promotion of information trustworthiness, especially in online media communication. However, most relevant NLP models and datasets are still focused on the English language, leaving the Spanish language relatively underrepresented. This survey paper addresses the linguistic and computational challenges of disinformation and conspiracy detection in Spanish-language contexts. We review current and relevant NLP methods and techniques, from traditional machine learning methods to Large Language Models (LLMs) and transformer-based architectures, presenting the most effective experiments in identifying disinformation and conspiracy discourses in Spanish. Furthermore, we highlight the challenges of multimodal approaches in NLP to include the analysis of visual and audio data in online media and suggest the need for culturally informed annotation schemes and domain-specific corpora. In this regard, we review the research advances that are contributing to the development of more precise models, capable of capturing the subtle and subjective rhetorical and ideological features that characterize misinformation in the Spanish-speaking digital sphere.
