Digital Marketing

Abstract

Este Trabajo de Fin de Grado analiza el fenómeno de la difusión de noticias falsas (fake news) en redes sociales mediante mecanismos de inteligencia artificial. Con el objetivo de entender el impacto social que genera su exponencial difusión, se analizan casos reales y se identifican los principales factores que contribuyen a la viralización de contenidos falsos, como los algoritmos de recomendación, y sus consecuencias, como la polarización ideológica generalizada. El estudio también aborda las estrategias que se están empleando para combatir la expansión de las fake news, incluyendo etiquetas de verificación y algoritmos de detección automática. Adicionalmente, se realizan varias encuestas a usuarios de redes sociales para explorar su capacidad de distinguir entre noticias reales y falsas, así como su nivel de confianza en los medios de comunicación tradicionales en comparación con las fuentes de información de las redes sociales. Los resultados evidencian una alta exposición a fake news y una capacidad crítica para evaluarlas un tanto limitada. Finalmente, se proponen recomendaciones para mejorar la educación digital, para reforzar la responsabilidad de los usuarios y de las corporaciones. Este trabajo contribuye al debate sobre el papel de las redes sociales y de la inteligencia artificial en la desinformación y sugiere líneas futuras de intervención tanto educativas como regulatorias.

This Final Degree Project analyzes the phenomenon of the spread of fake news on social media throughout artificial intelligence mechanisms. Aiming to understand the social impact of its exponential dissemination, real cases are examined and the main factors contributing to the virality of false content—such as recommendation algorithms—and their consequences, like widespread ideological polarization, are identified. The study also addresses the strategies currently being used to combat the spread of fake news, including verification tags and automated detection algorithms. In addition, several surveys are conducted to social media users in order to explore their ability to distinguish between real and fake news, as well as their level of trust in traditional media compared to social media information sources. The results reveal a high level of exposure to fake news and a somewhat limited critical capacity to assess it. Finally, the project proposes recommendations to improve digital literacy, reinforce user and corporate responsibility, and enhance the fight against disinformation. This work contributes to the ongoing debate about the role of social media and artificial intelligence in the spread of disinformation, and suggests future lines of educational and regulatory intervention.