El fact-checking de Maldita.es en TikTok: el lenguaje visual de Maldito Bulo
Full text
‒ ‒ CAPÍTULO 54 EL FACT-CHECKING DE MALDITA.ES EN TIKTOK: EL LENGUAJE VISUAL DE MALDITO BULO42 JOSÉ PATRICIO PÉREZ-RUFÍ Universidad de Málaga MILAGROS EXPÓSITO-BAREA Universidad de Sevilla MIGUEL ÁNGEL PÉREZ-GÓMEZ Universidad de Sevilla 1. INTRODUCCIÓN Este trabajo toma como objeto de estudio la actividad y el lenguaje visual de la cuenta Maldito Bulo, como marca ligada al proyecto de verificación de datos Maldita.es, en la plataforma de vídeo social TikTok. La red TikTok, con origen en China, es una plataforma emergente que disparó su número de seguidores a partir 2020, definiéndose además por una audiencia muy joven (Ballesteros, 2020). La reciente pandemia de coronavirus Covid-19 dejó igualmente en evidencia el uso deshonesto de TikTok, como con el resto de redes sociales, al difundir noticas falsas o maliciosas sobre salud (Ballesteros, 2020; Alonso-López, Sidorenko- Bautista y Giacomelli, 2021; Basch et al, 2021; Shang et al, 2021; Lu y Shen, 202). Aunque en 202 son abundantes los trabajos que toman como base las actividades, dinámicas y metodologías de los fact-che- ckers, aún son pocos los que analizan las cuentas de las plataformas de verificación en TikTok, como sí hacen, por ejemplo, Sidorenko- 423 Este trabajo fue escrito en el marco del Proyecto de Investigación “Transmedialización e hibridación de ficción y no ficción en la cultura mediática contemporánea (FICTRANS)”, Ref. PID2021-124434NB-I00, financiado por MCIN/AEI/10.13039/501100011033/FEDER Una manera de hacer Europa, Plan Estatal de Investigación Científica, Técnica y de Innovación 2021- 2023.
‒ ‒ Bautista, Alonso-López y Giacomelli (2021) o García-Marín y Salvat- Martinrey (2022). Señalan Sidorenko-Bautista, Alonso-López y Giacomelli (2021, p. 91) que “el periodismo ha empezado a tener presencia en TikTok mediante el denominado periodismo de verificación” y que “TikTok tiene un gran potencial para el periodismo de verificación trabajando desde la propia narrativa de la red social y fomentando la interacción con la audiencia” (p. 108). El fact-checking puede definirse como “una operación que aplica técnicas del periodismo de datos para desenmascarar los errores, ambigüedades, mentiras, falta de rigor o inexactitudes de algunos contenidos publicados en los medios de comunicación”, además de redes sociales (Ufarte-Ruiz, Peralta-García y Murcia-Verdú, 2018, p. 74). García-Vi- vero y López-García (2021, p. 28) lo entienden como el “conjunto de actividades que se centran en analizar, contrastar y verificar informaciones que presenten una veracidad dudosa”. El fact-checking se basa en la revisión y la verificación de datos o declaraciones, “certificando la veracidad de las cifras y contenidos expresados” (Notario y Cárdenas, 2020, p. 77), de tal forma que puede entenderse como “un servicio” (Carr, Cuervo y Daros, 2020) o como “periodismo de verificación de hechos factuales” (Rodríguez Pérez, 2019, p. 9). Según Blanco-Alfonso, Chaparro-Domínguez y Repiso (2021), el auge de los fact-checkers se explica por la demanda por parte tanto de medios como de plataformas como Google o Facebook, ante el aumento de la propagación de desinformación. El Grupo de Investigación FACCTMedia se refiere a los fact-checkers como “instrumentos de rendición de cuentas” o “servicios de verificación” (Herrera y Luengo, 2022). Estas webs “funcionan como un instrumento o una herramienta para recuperar la credibilidad en el periodismo y contribuir (…) a la revitalización de la democracia y del discurso público” (López-Pan y Rodríguez, 2020, p. 1047). Sin embargo, según Esteban-Navarro et al (2021), “los servicios de verificación de hechos no pueden garantizar la plena confianza en la objetividad de sus productos”.
‒ ‒ Este trabajo acota su objeto de estudio a la actividad del canal en TikTok de la plataforma Maldita.es, uno de los proyectos de referencia de factchecking en España. Bernal-Triviño y Clares-Gavilán (2019, p. ) toman como estudio de caso Maldita.es “por ser el primero en España de verificación de noticias y el único que está presente en un equipo de trabajo de la Comisión Europea”. Con origen en la cuenta de Twitter Maldita Hemeroteca en 2014, “Maldita.es nace como medio digital sin ánimo de lucro fundado por Clara Jiménez y Julio Montes” (Peña, Bermejo y Zanni, 2021, p. 201), y progresivamente va diversificando su actividad y sus marcas, tanto en webs y secciones propias dentro de la plataforma Maldita.es, como en otras redes sociales y plataformas (Cárdenas, Mancinas-Chávez y Figuereo-Benítez, 2022). Maldita.es se define “como un medio de comunicación sin ánimo de lucro, independiente y apartidista, dedicado a la verificación de información a través de técnicas de fact-checking y periodismo de datos” (Andaluz, Fernández y Pérez, 2022, p. ). Europa Press (2019) recogía esta otra definición de Maldita.es, muy similar a la anterior, como “un proyecto periodístico independiente y sin ánimo de lucro que, a través de distintas ramas, monitoriza el discurso político y público aplicando técnicas de periodismo de datos para su verificación”. Maldita.es, por lo tanto, se identifica con lo que se ha denominado NGO Model, es decir, se trata de un proyecto que “plantea la verificación de información como un servicio a la ciudadanía”, como “medio independiente y sin ánimo de lucro” (Andaluz, Fernández y Pérez, 2022, p. ), con una menor carga de presión de los medios (Cárdenas, 2019), por cuanto se sienten libres de las limitaciones editoriales y comerciales de los medios consolidades (Graves y Cherubini, 201). Las plataformas NGO Model, aunque reciben presiones de las editoriales, cuentan con menos recursos y suelen depender de las aportaciones de instituciones académicas y fundaciones (Esteban-Navarro et al, 2021). En el caso de Maldita.es, atendiendo a Esteban-Navarro et al (2021), “los ingresos de la organización provienen de subvenciones filantrópicas, alianzas tecnológicas, colaboraciones con los medios y contribuciones de la comunidad”. Según recogen Peña, Bermejo y Zanni (2021, p. 201), “sus ingresos proceden en su mayoría de diferentes becas y
‒ ‒ alianzas con Facebook o Google, así como de colaboraciones con medios y aportaciones individuales a través del crowdfunding” Por estas razones, puede considerarse un fact-checker independiente a medios y otras plataformas, incluso si parte su financiación procede del trabajo para terceros. Según Cárdenas (2019, p. 77), los bulos más frecuentes denunciados por Maldita.es “son los de sesgo político, pero también hay temas relacionados con la ciencia y los sucesos (relacionados con engaños, tráfico, sanciones, etc.)”. La plataforma cuida la credibilidad como “su mayor valor, por eso poseen una política de neutralidad que atañe a todos los miembros del equipo” (p. 77). En lo referente a la implicación de Maldita.es en la plataforma TikTok, el primer contenido divulgado por la cuenta Maldito Bulo se hace el de julio de 2019. Según recoge la web de tracking Social Blade (202a), el de marzo de 202 el canal cuenta con 24.00 seguidores y ha compartido 55 vídeos. En los último 0 días suma 100 nuevos seguidores y recibe 1.400 likes. Apuntaban en 2020 López-Pan y Rodríguez (2020, p. 1052) que “casi toda la bibliografía” sobre la actividad de los fact-checkers y los casos de estudio se habían “centrado en Estados Unidos y menos en Europa”; apenas tres años después esta afirmación no podría mantenerse, habida cuenta de la amplia literatura académica a la que las plataformas de factchecking en España ha dado lugar. 2. OBJETIVOS El primer objetivo de esta investigación es aplicar un análisis de contenido a una muestra de los vídeos producidos y distribuidos por la cuenta Maldito Bulo en TikTok. A través de dicho análisis se pretende identificar el tipo de producción y las temáticas abordadas por el canal, cuantificar la actividad del canal y categorizar el lenguaje visual empleado en los vídeos. A partir del logro de resultados derivados del objetivo anterior, se propone como segundo objetivo reflexionar sobre la actividad de la cuenta como plataforma de fact-checking derivada de Maldita.es, a fin de evaluar la adecuación del canal a los objetivos del
‒ ‒ proyecto matriz del que surge y la coherencia o no de los contenidos producidos y distribuidos por la cuenta con lo que podría entenderse como un modelo discursivo propio de TikTok. . METODOLOGÍA Para conseguir los objetivos propuestos, se aplica, por una parte, una metodología de análisis de contenido que pretende la descripción objetiva y cuantificable de la actividad y del modelo de contenidos producidos por Maldito Bulo en TikTok. Se toma una muestra de las 50 publicaciones (N= 50) más recientes en el momento de la toma (es decir, entre el 0 de noviembre de 2022 y el 1 de marzo de 202). Aunque este número puede resultar muy limitado en comparación con trabajos como el de Lu y Shen (202), ha de apuntarse que no se han utilizado herramientas de análisis automático y que es una muestra coherente con trabajos similares sobre verificación de datos (Vorobyeva et al, 2020; Narváez- Llinares y Pérez-Rufí, 2022). El número de reproducciones de los vídeos se tomó el 7 de marzo de 202. Sobre esta muestra se atiende a diversas variables sobre frecuencia de publicación y temáticas abordadas. Aunque el objetivo de este trabajo no es identificar el engagement de los vídeos de Maldito Bulo, se han aplicado en el diseño metodológico algunas de las categorías de análisis utilizadas por García-Marín y Salvat-Martinrey (2022) y por Sidorenko- Bautista, Alonso-López y Giacomelli (2021), que han atendido al tipo de vídeo (verificación o contenido explicativo) o a las temáticas de los vídeos. Esta investigación comparte el objeto de estudio de estos dos trabajos, aunque lo hace desde una perspectiva diferente. En segundo lugar, se aplica un análisis formal audiovisual sobre dichos contenidos desde varias categorías (carácter amater o profesional de la pieza, presencia de creadores, fuentes de imagen, edición, uso de grafismo recursos visuales, o fuentes del sonido). Una limitación que encuentra este trabajo a la hora de reflexionar sobre el lenguaje de los contenidos producidos y distribuidos por Maldito Bulo es que la literatura académica sobre TikTok es muy limitada, aún más si se considera el análisis desde la perspectiva de los estudios en cultura
‒ ‒ visual. Los trabajos que han abordado los modelos discursivos de los contenidos creados por usuarios en TikTok están todavía lejos de modelizarse, incluso si de forma intuitiva dicho modelo o lenguaje visual puede reconocerse. Para la elaboración de la plantilla de análisis aplicada sobre la muestra se han tomado categorías procedentes de las metodologías de García- Marín y Salvat-Martinrey (2022), Molina-Cabañete y Magallón-Rosa (2020), Alonso-López, Sidorenko-Bautista y Giacomelli (2021), Sidorenko-Bautista, Alonso-López y Giacomelli (2021), Peña, Bermejo y Zanni (2021) y Andaluz, Fernández y Pérez (2022). La plantilla de análisis aplicada sobre cada contenido recoge la siguiente información de los 50 vídeos de la muestra. ‒ Tipo de contenido: identifica si se trata de un vídeo verificación en el que se desmiente un contenido de desinformación (V) o si es un contenido explicativo (E). ‒ Temática del contenido: política (P), salud (S), interés social (IS), medio ambiente (MA), cultura popular (CP), cultura (C), deportes (D), economía (E), ciencia (Ci), fake news (Fk), xenofobia (Xf), catástrofes naturales (Ca) u otros (O). ‒ Calidad del registro de la imagen: Amateur o registrado con dispositivos no profesionales (Am), profesional o registrado con medios de producción profesional o calidad broadcast (Pro). ‒ Presencia de la imagen del usuario creador de contenido: registro como selfie (S), no aparece (N), registro desde cámara de calidad broadcast (R). ‒ Fuentes de la imagen, más allá de la presencia del usuario creador del contenido: propia o con contenidos registrados por el canal (Pr), fuente de vídeo de procedencia diversas (Vi), imagen fija procedente de medios o plataformas online (IF). ‒ Edición de la pieza: no tiene ningún tipo de edición y está en su solo plano (NoEd), edición de más de plano (Ed), uso de
‒ ‒ incrustación digital o “efecto chroma” (Ch), animación (A), efectos digitales (Fx). ‒ Introducción de recursos de grafismo: Presencia de texto (Tx), presencia de texto animado (TxA), presencia de emoticonos (Em), presencia de grafismo animado (GA). ‒ Fuentes de sonido: voz (V), música (M), efectos sonoros (ES), silencio (S), sonido de fuente de vídeo o sonido (SF). 4. RESULTADOS A partir de las categorías apuntadas y de la codificación de posibles opciones señaladas se ha elaborado una tabla con el detalle del análisis de cada una de las piezas de la muestra. Esta tabla es accesible en el anexo disponible en este enlace: https://bit.ly/ZAOygV Aunque, como se ha apuntado, no es objeto de estudio de este trabajo el engagement del canal analizado, puede apuntarse que la actividad del canal de Maldito Bulo en TikTok es muy inferior con respecto a Maldita.es y a la cuenta en Twitter, dado que solo había hecho 9 publicaciones en los 0 días previos a la toma de la muestra (Social Blade, 202a). La media de contenidos publicados en el conjunto de la muestra es de un vídeo cada dos días. Sin embargo, la web Maldita.es llegaba a registrar entre 7 y 104 publicaciones en una horquilla de 10 días (García- Vivero y López-García, 2021) y en Twitter sube a los 28 tweets en los últimos 0 días tras la toma de la muestra (Social Blade, 202b). La actividad de Maldito Bulo es mayor cuando se alude en uno o dos días consecutivos a un asunto de actualidad que ha generado desinformación o que requiere de explicaciones divulgativas. Sucede dentro de la muestra, por ejemplo, en las informaciones sobre las “ciudades de 15 minutos”, sobre los detalles de la colaboración musical entre Shakira y Bizarrap, sobre las consecuencias del partido de la Copa Mundial de la FIFA entre España y Marruecos o sobre el VIH. La duración media de los vídeos de la muestra es de 7 segundos. 27 de los vídeos (algo más de la mitad) tienen una duración superior a los 7 segundos y solamente dos vídeos superan en un par de segundos los 2
‒ ‒ minutos. Cabe concluir que los vídeos son eminentemente breves, como práctica coherente con lo que podría ser la pauta del formato en TikTok. En cuanto a la cantidad de visionados, la muestra en conjunto (N= 50) sumó 51.579 reproducciones, lo que ofrece una media de 7.01 por vídeo. Sin embargo, por encima de esta media hay solo 5 vídeos: 80.00 reproducciones (bulo sobre cambios en el signo del zodiaco), 7.00 (bulo sobre el número del DNI), 7.800 (información sobre las votaciones del jurado del Benidorm Fest en el proceso de selección previo), .700 (bulo sobre actos vandálicos por aficionados de futbol marroquíes) y 21.700 (bulos sobre la colaboración musical entre Bizarrap y Shakira). De los cinco contenidos que se viralizaron, al menos cuatro son vídeos de verificación de contenidos de desinformación. Dentro de la muestra analizada, el 58% (29 vídeos) son de contenido explicativo acerca de temas ligados a asuntos de actualidad, pero que no se ocupan de contrastar informaciones o denunciar bulos. Estos vídeos pueden tener un carácter más atemporal, permite el reciclado de cuestiones de actualidad recurrente y tienen un claro objetivo de servicio público, al aclarar cuestiones que pueden ser confusas o generar dudas e informar sobre políticas, procesos administrativos o ayudas que pueden ser provechosas para la audiencia potencial del canal. El 42% restante serían vídeos de verificación y denuncia de informaciones falsas que se han distribuido en redes sociales. Aunque Maldita.es también recoge contenidos explicativos y de divulgación, la actividad como fact-checker es lo que le da identidad al proyecto y, de forma paralela, también a Maldito Bulo. En cuanto a las temáticas, estas son más variadas y responden a asuntos de actualidad que los editores entienden que pueden ser del interés de los seguidores del canal. Destacan los vídeos sobre los temas de salud (27%), muy por encima de otros. Estos vídeos podrían entenderse como vídeos explicativos también muy cercanos a los de ciencia. Son también frecuentes los contenidos sobre cultura popular (21%) y de interés social (15%). Estas categorías son muy amplias y responden a cuestiones también muy diversas. Por ejemplo, se han clasificado como temas de cultura popular aquellos contenidos relacionados con
‒ ‒ personajes populares en las redes sociales (como Ibai Llanos), con músicos y artistas (como Bizarrap, Shakira o Bad Bunny) o con el Benidorm Fest 202, pero también contenidos que abordaron teorías “conspiranoicas” relacionadas con ovnis o con zombis. En definitiva, asuntos muy diversos ligados a la cultura pop en diferentes expresiones. GRÁFICO 1. Temáticas de los contenidos de Maldito Bulo en TikTok. Fuente: Elaboración propia a partir de Maldito Bulo (2023). Abundaron igualmente temas que se clasificaron como de interés social, pero que tocaban también cuestiones relacionadas directamente con política o con medio ambiente. No se identificaron, por el contrario, vídeos de asuntos abiertamente políticos. Sin embargo, las implicaciones de los temas abordados sí tienen repercusiones políticas o merecen una reflexión desde la política que aquí no se adopta al no ser un medio de opinión. Esto ocurre con el comentario sobre las propuestas de medio ambiente acerca de las “ciudades de 15 minutos” o la lectura política de las desinformaciones sobre migración y xenofobia. No se mencionaron nombres de personas dedicadas profesionalmente a la política, aunque sí se citaron los partidos políticos PSOE y PP en dos de las piezas sobre la posible aplicación de restricciones de movilidad de vehículos privados en el municipio de Las Rozas. Más allá de estas menciones puntuales, la “política dura” no ocupa los contenidos de Maldito Bulo en Tik- Tok. Salud 27% Cultura popular 21% Interés social 15% Xenofobia 11% Medio ambiente 8% Ciencia 8% Desinformación 6% Catástrofes 4%
‒ ‒ Andaluz Antón, L., Fernández Fernández, A., & Pérez Sánchez, J. (). Modelos organizacionales en los medios de verificación de información: Análisis comparado de The Fact Checker y Maldita.es. Visual Review. International Visual Culture Review, (), –. https://doi.org/./revvisual.v. Aslam, A. (, de febrero). TikTok by the Numbers: Stats, Demographics & Fun Facts. Omnicoreagency. https://www.omnicoreagency.com/tiktokstatistics/ Asselin, C. (). TikTok: cifras y estadísticas clave en España, Latam y el mundo . Digimind.com. http://bit.ly/nNXx Ballesteros Herencia, C. A. (). La propagación digital del coronavirus: Midiendo el engagement del entretenimiento en la red social emergente TikTok. Revista Española de Comunicación en Salud, (), -. https://doi.org/./recs.. Basch, C. H., Meleo-Erwin, Z., Fera, J., Jaime, C., & Basch, C. E. () A global pandemic in the time of viral memes: COVID- vaccine misinformation and disinformation on TikTok. Human Vaccines & Immunotherapeutics, (), -, https://doi.org/./.. Bernal-Triviño, A. & Clares-Gavilán, J. (). Uso del móvil y las redes sociales como canales de verificación de fake news. El caso de Maldita.es. El profesional de la información, (), -. https://doi.org/./epi..may. Blanco-Alfonso I., Chaparro-Domínguez M. A., & Repiso R. (). El factchecking como estrategia global para contener la desinformación. Estudios sobre el Mensaje Periodístico, (), -. https://doi.org/./esmp. Cárdenas Rica, M. L. (). Análisis de las iniciativas fact-checking en España. Revista Inclusiones, , -. https://revistainclusiones.org/index.php/inclu/article/view/ Cárdenas Rica, M. L., Mancinas-Chávez, R., & Figuereo-Benítez, J. C. (). Transparencia pública para la verificación de datos. El caso de Maldito Dato (Maldita.es). Textual & Visual Media, (), -. https://doi.org/./txt... Carr, P. R., Cuervo Sanchez, S. L., & Daros, M. A. (). Citizen Engagement in the Contemporary Era of Fake News: Hegemonic Distraction or Control of the Social Media Context? Postdigit Sci Educ, , -. https://doi.org/./s---z Castillo Valenzuela, M, Cruces Hernández, L., & Guerra Goglios, M. A. (). La veracidad de la información expuesta en las redes sociales. Revista educación y tecnología, (), -. http://bit.ly/JAfVB
‒ ‒ Esteban-Navarro, M. A., Nogales-Bocio, A. I., García-Madurga, M. A., & Morte- Nadal, T. (). Fact-Checking Services: An Approach to Their Business Models. Publications, (), -. https://doi.org/./ Europa Press (, de enero). Nace Maldita Migración, una plataforma para desmentir bulos sobre migraciones y refugio. EPSocial. http://bit.ly/JDMKOL García-Marín, D. & Salvat-Martinrey, G. (). Viralizar la verdad. Factores predictivos del engagement en el contenido verificado en TikTok. Profesional de la información, (), -. https://doi.org/./epi..mar. García-Vivero, G. & López-García, X. (). La verificación de datos en Europa. Análisis de iniciativas europeas: Maldita.es, Newtral, Pagella Politica, Les Décodeurs y BBC Reality Check. adComunica, (), -. http://dx.doi.org/./-... Graves, L. & Cherubini, F. (). The Rise of Fack-checking Sites in Europe. Reuters Institute for the Study of Journalism. http://bit.ly/BzmW Herrera, S. & Luengo, M. (). Análisis de experiencias de fact-checking a nivel internacional: buenas prácticas de verificación de información. Grupo de Investigación FACCTMedia. Universitat Pompeu Fabra. https://bit.ly/JCKya Herrero, E. & Herrera Damas, S. (). El fact-checker en español alrededor del mundo: Perfil, similitudes y diferencias entre verificadores hispanohablantes. Revista de Comunicación de la SEECI, (), -. http://doi.org/./seeci...e Jara, Y. (). Fact-checking contra los bulos. En R. Carniel Bugs (Coord.). La comunicació com a eina per a la cohesió social contra el racisme i la intolerància (pp. -). Universitat Autònoma de Barcelona. https://ddd.uab.cat/record/ López-Pan, F. & Rodríguez Rodríguez, J. M. (). El Fact Checking en España. Plataformas, prácticas y rasgos distintivos. Estudios sobre el Mensaje Periodístico, (), -. https://doi.org/./esmp. Lu, Y. & Shen, C. (). Unpacking Multimodal Fact-Checking: Features and Engagement of Fact-Checking Videos on Chinese TikTok (Douyin). Social Media + Society, (), -. https://doi.org/./ Maldito Bulo (). Maldito bulo (@malditobulo). TikTok. http://bit.ly/lgtFE Molina-Cañabate, J. P. & Magallón-Rosa, R. (). Desinformación y periodismo científico. El caso de Maldita Ciencia. Revista Mediterránea de Comunicación/Mediterranean Journal of Communication, (), -. https://www.doi.org/./MEDCOM...
‒ ‒ Moreno-Gil, V. & Salgado-de Dios, F. (). El cumplimiento del código de principios de la International Fact-Checking Network en las plataformas de verificación españolas. Un análisis cualitativo. Revista de Comunicación, (), -. https://doi.org/./RC.-- Narváez Llinares, A. & Pérez-Rufí, J. P. (). Fake news y desinformación sobre migración en España: prácticas del discurso xenófobo en redes sociales y medios online según la plataforma Maldita Migración. Estudios sobre el Mensaje Periodístico, (), -. https://doi.org/./esmp. Notario Rocha, M. L. & Cárdenas Rica, M. L. (). Xenophobia and Fake News. Analysis of the confused news flow. Maldita Migración Project. IROCAMM: International Review of Communication and Marketing Mix, (), -. https://doi.org/./IROCAMM..v.i. Peña Ascacíbar, G., Bermejo Malumbres, E., & Zanni, S. (). Fact checking durante la COVID-: análisis comparativo de la verificación de contenidos falsos en España e Italia. Revista de Comunicación, (), –. https://doi.org/./RC.--A Rodríguez Pérez, C. (). No diga fake news, di desinformación: una revisión sobre el fenómeno de las noticias falsas y sus implicaciones. Comunicación. Revista Científica, (), -. https://doi.org/./comunica.n.a Rodríguez-Serrano, A., Soler-Campillo, M. y Marzal-Felici, J. (). Fact checking audiovisual en la era de la posverdad. ¿Qué significa validar una imagen? Revista Latina de Comunicación Social, (), -. https://doi.org/./RLCS-- Shang, L., Kou, Z., Zhang, Y., & Wang, D. (). A Multimodal Misinformation Detector for COVID- Short Videos on TikTok. IEEE International Conference on Big Data (Big Data) (pp. -). https://doi.org/./BigData.. Sidorenko Bautista, P., Alonso López, N., & Giacomelli, F. (). Espacios de verificación en TikTok. Comunicación y formas narrativas para combatir la desinformación. Revista Latina de Comunicación Social, (), -. https://doi.org/./RLCS-- Social Blade (a). Maldito Bulo. SocialBlade.com. https://socialblade.com/tiktok/user/malditobulo Social Blade (b). Maldita.es. SocialBlade.com. https://socialblade.com/twitter/user/maldita
‒ ‒ Ufarte-Ruiz, M. J., Anzera, G., & Murcia-Verdú, F. J. (). Plataformas independientes de fact-checking en España e Italia. Características, organización y método. Revista Mediterránea de Comunicación/Mediterranean Journal of Communication, (), -. https://www.doi.org/./MEDCOM... Ufarte-Ruiz, M. J., Peralta-García, L., & Murcia-Verdú, F. J. (). Fact checking: un nuevo desafío del periodismo. Profesional de la información, (), - . https://doi.org/./epi..jul. Vorobyeva T., Mouratidis K., Diamantopoulos F. N., Giannopoulos P., Tavlaridou K., Timamopoulos C., Peristeras V., Magnisalis I., & Shah S.I.H. (). A Fake News Classification Framework: Application On Immigration Cases. Communication Today, (), -. http://bit.ly/AeNa