Saltar para o conteúdo

Warren Weckesser

Site pessoal

Como se informar melhor na era digital e verificar a confiabilidade das fontes

Verificar a fiabilidade de uma fonte de informação já não se resume a identificar o autor ou a data de publicação. Desde a entrada em vigor da AI…

Femme vérifiant des sources d'information sur un ordinateur portable dans un bureau à domicile
6 min

Verificar a fiabilidade de uma fonte de informação já não se resume a identificar o autor ou a data de publicação. Desde a entrada em vigor do AI Act europeu e a atualização do Código Europeu de Conduta sobre Desinformação, o quadro regulamentar impõe novas obrigações de transparência às plataformas e aos fornecedores de sistemas de IA.

Estas mudanças alteram aquilo que um leitor pode exigir de um conteúdo digital, mas também criam novos pontos cegos: um artigo devidamente atribuído, publicado por um meio de comunicação reconhecido, pode circular amplamente graças a um sistema de recomendação financiado por publicidade, sem que o contexto da sua divulgação seja alguma vez questionado.

Transparência dos conteúdos de IA e obrigações de sinalização: o que preveem os textos europeus

O artigo 50.º do regulamento europeu sobre inteligência artificial, cujas orientações foram publicadas pela Comissão Europeia em 12 de novembro de 2026, prevê uma obrigação de sinalização para determinados conteúdos gerados ou manipulados por IA. Os conteúdos ultrafalsos (deepfakes) e os textos de interesse público devem ser identificados com uma marcação visível quando são publicados.

Existe uma exceção: se o conteúdo tiver sido submetido a análise humana ou a controlo editorial, e uma pessoa assumir a responsabilidade editorial, a sinalização pode não ser necessária. Esta nuance altera a forma como se interpreta um conteúdo online.

Na realidade, as regras europeias distinguem duas camadas de marcação. A marcação detetável por máquina é da responsabilidade dos fornecedores de sistemas de IA. Já a sinalização visível cabe às pessoas ou entidades que publicam o conteúdo. Por isso, a ausência de uma etiqueta visível num texto ou numa imagem não prova que seja autêntico: pode simplesmente significar que o fornecedor aplicou uma marca técnica, sem que o editor tenha considerado necessária a sinalização visível.

Tipo de marcação Responsável Visível para o leitor
Marcação técnica (metadados de máquina) Fornecedor do sistema de IA Não (detetável por ferramentas)
Sinalização visível (etiqueta, menção) Editor ou pessoa que publica Sim (se aplicável)
Exceção editorial Pessoa que assume a responsabilidade Não é necessária qualquer marcação

Esta tabela ilustra uma lacuna que os guias de verificação tradicionais não abrangem. Quando procura determinar se um conteúdo foi gerado por IA, o leitor deve ter em conta que a ausência de uma menção não prova a autenticidade. As ferramentas de deteção de metadados podem complementar a análise visual, mas continuam pouco acessíveis ao público em geral.

Homem a consultar um jornal e um tablet digital numa biblioteca pública moderna

Recursos dedicados à compreensão dos fluxos de informação reúnem estas distinções regulamentares e as suas implicações práticas: https://www.informationinflux.org documenta, em particular, os mecanismos que influenciam a circulação da informação online.

Verificar a fiabilidade de uma fonte para além do autor: o circuito de divulgação

Os métodos tradicionais de verificação centram-se em três aspetos: identificar o autor, datar a informação e cruzá-la com outras fontes. Estes hábitos continuam a ser válidos. No entanto, são insuficientes quando o problema não está no conteúdo em si, mas na razão pela qual aparece num feed de notícias.

O Código Europeu de Conduta sobre Desinformação, atualizado em 10 de novembro de 2026, inclui compromissos relativos à desmonetização da desinformação e à transparência dos sistemas de recomendação. Os signatários comprometem-se a reduzir as receitas publicitárias associadas a conteúdos de desinformação e a tornar mais claros os critérios de promoção de conteúdos.

Na prática, estes compromissos variam de um signatário para outro. Um conteúdo pode ser factualmente correto e, ainda assim, ser promovido por um algoritmo por gerar interação, e não por ser relevante. Por isso, há duas perguntas adicionais que devem fazer parte de qualquer grelha de verificação:

  • Por que canal me chegou este conteúdo e esse canal tem interesse comercial em promovê-lo?
  • O conteúdo é patrocinado, recomendado por um algoritmo ou partilhado organicamente por uma fonte que conheço?
  • A plataforma que divulga este conteúdo é signatária de compromissos de transparência relativos aos seus sistemas de recomendação?

Estas perguntas não substituem a verificação do autor nem o cruzamento de fontes. Acrescentam uma camada de análise do circuito de divulgação, um aspeto que a maioria das grelhas pedagógicas ainda não contempla.

Grelha de verificação de fontes de informação online: critérios cruzados

Cruzar os critérios tradicionais com os novos indicadores regulamentares permite criar uma grelha mais completa. A verificação torna-se mais rigorosa quando distingue o que diz respeito ao conteúdo, ao editor e ao modo de divulgação.

  • Conteúdo: a informação tem data, está atribuída a um autor identificável e foi confirmada por pelo menos outra fonte independente?
  • Editor: o site ou meio de comunicação publica uma linha editorial, indica as suas fontes de financiamento e identifica os conteúdos patrocinados?
  • Divulgação: o conteúdo foi recomendado por um algoritmo, partilhado por uma conta verificada ou promovido por uma campanha publicitária?
  • Marcação de IA: o conteúdo inclui uma menção de que foi gerado por IA ou é possível verificar os seus metadados técnicos com uma ferramenta específica?

Dois estudantes a verificar informações online juntos num café universitário

Um conteúdo que passa pelos três primeiros filtros, mas falha no quarto, não é necessariamente falso. Simplesmente exige uma análise mais atenta. A fiabilidade de uma informação depende tanto do seu conteúdo como do contexto em que circula.

Educação para os media digitais: ir além do reflexo autor-data

A educação para os media e a informação (EMI) ensina alunos e cidadãos a identificar enviesamentos comuns: fonte anónima, site satírico, imagem retirada do contexto. Estas competências continuam a ser a base de qualquer abordagem crítica.

O quadro regulamentar europeu acrescenta uma nova dimensão a esta formação. Os professores e formadores que abordam a verificação de fontes podem agora recorrer a obrigações legais concretas para explicar aquilo que um leitor tem o direito de esperar. Um conteúdo gerado por IA sem menção visível, divulgado numa plataforma que não cumpre os seus compromissos de transparência, é um exemplo pedagógico mais elucidativo do que uma simples referência aos «cinco W» do jornalismo.

A pesquisa online e a avaliação crítica de fontes digitais já não se limitam a uma competência documental. Envolvem também a compreensão dos mecanismos económicos e algorítmicos que determinam quais os conteúdos que um leitor vê primeiro. Um artigo fiável mal referenciado pode continuar invisível, enquanto um conteúdo enganador bem financiado ocupa o topo de um feed de notícias.

Hoje, o hábito de verificação mais útil não se prende com aquilo que um conteúdo diz, mas com a razão pela qual nos é mostrado.

Como se informar melhor na era digital e verificar a confiabilidade das fontes