Modelagem de Sistemas Dinâmicos – Jun/2019

Modelagem de propagação de
Fake News no Brasil
Luis Gustavo Rufino de Souza
Luiz Filipe Oliveira Santos
Pedro Henrique Jacinto dos Santos
Pedro Henrique Monteiro da Silva Carvalho
UNIVERSIDADE FEDERAL DE ITAJUBÁ – UNIFEI

RESUMO
A partir de trabalhos que estudam a dinâmica de doenças infecciosas em epidemiologia, especificamente a
partir do modelo SIR, propomos um modelo de sistema dinâmico visando analisar o espalhamento de Fake
News, levando em consideração o contato entre indivíduos e através de um meio de comunicação em massa,
a internet. Foi-se feito esse estudo em cima do nosso país, mais precisamente para cada uma das cinco regiões
do Brasil. Dados foram coletados com relação a escolaridade e acesso à internet nessas regiões. Através da
plataforma MatLab, foi analisado o comportamento do sistema de propagação de notícias, visando de forma
qualitativa a influência de cada parâmetro apresentado no trabalho.

_______________________________________________________________________________________

1. INTRODUÇÃO O sistema que melhor se assemelhava com

O modelo matemático proposto e desenvolvido
pode ser usado para explicar o comportamento
subjacente de sistemas reais, ou seja, esse sistema
tenta traduzir na forma de equações diferenciais o
comportamento real do fenômeno que irá ser
abordado.
Para esse sistema, as variáveis de entradas
escolhidas para o sistema, tem como o objetivo
serem representativas e exercerem maior influência
no problema e assim poderemos determinar como
as variáveis se interagem entre si, e como o sistema
se comporta ao longo do tempo.
nosso sistema de informação sobre Fake News, foi
o Epidemiologia Matemática (SIR), que tem como
o propósito determinar de maneira matemática a
epidemia de tais doenças ao longo de regiões e em
função do tempo como será o comportamento dessa
epidemia. Esse modelo, já foi aprimorado várias
vezes e seu estudo começou entre 458-377 a.C.
com Hipócrates, a qual ele demostrava interesse em
relacionar mortalidades humanas as doenças
infecciosas.
Como nosso sistema de Fake News se relaciona
com o espalhamento de doenças infecciosas, esse
1
Modelagem de Sistemas Dinâmicos – Jun/2019
modelo foi adotado o adaptando a nosso problema
real. Partimos da lei de ação de das massas, a
incidência ( que para epidemia seria número de
novos casos, mas para nosso sistema seria o
crescimento do número de casos de Fake News) a
qual é proporcional ao número de pessoas que são
suscetíveis a receber a notícia (mesmo grau social,
familiares, quantidade de mídias sociais que a
pessoa frequenta) e pessoas que já receberam essa
notícia e poderiam repassar.
A intensidade com que ocorre o espalhamento
da notícia é similar a gravidade da infecção de uma
doença, que é definida como a taxa per capita com
que indivíduos suscetíveis adquirem a informação,
por unidade de tempo. Ou seja, a força que a notícia
pode se espalhar depende somente do número de
indivíduos que possuem a informação e está
diretamente relacionado com a taxa de contatos
efetivos per capita.
O risco de a pessoa adquirir a informação
depende do padrão de contatos entre os indivíduos
e da presença das pessoas que já possuem a
informação. Logo, temos um efeito sazonal e
demográfico, que influenciam o número de
contatos entre indivíduos, por unidade de tempo.
Dentro desse processo de comunicação e
consequentemente de transmissão de informação,
foi classificado algumas características que podem
influenciar:
• Experiência: correlaciona o universo de
experiência dos indivíduos, com o objetivo de
facilitar sua crença e consequentemente sua
propagação
• Felicidade: garante sua propagação
exatamente por transmitir a sensação de
contentamento da notícia.
• Medo: por constituir uma ameaça e fazer
com que o indivíduo o aceite como verdade por
questão de segurança.
• Economia: leva em conta o poder de
influência que pode ter sobre pessoas ou
organizações que detém o controle e influenciam
o mecanismo econômico.
• Conformidade e inovação: como no caso
do apego ao tradicional e do repudio ao novo,
podem se replicar por serem simplesmente mais
aceitos socialmente.
2. OBJETIVOS
• Formular um modelo matemático que
descreva a analogia existente entre o espalhamento
de informações de Fake News;
• Determinar as soluções analíticas do
sistema de equações diferenciais ordinárias;
• Analisar a dinâmica do espalhamento de
Fake News numa população por meio das
simulações numéricas;
• Analisar os resultados numéricos e
interpretar suas implicações com as soluções
analíticas encontradas para o modelo;
• Observar as conclusões obtidas e associar a
sua utilização no combate a propagação de Fake
News.
3. FORMULAÇÃO DO MODELO
Os modelos matemáticos que descrevem os
processos de contágio social possuem algumas
2
Modelagem de Sistemas Dinâmicos – Jun/2019
características semelhantes aos modelos que
descrevem a transmissão de doenças em uma
população (Dickinson&Pearce, 2003).
Embora a dinâmica desses dois fenômenos
apresente semelhanças, é importante ressaltar que
existem diferenças qualitativas e quantitativas entre
o espalhamento de ideias e a propagação de
doenças. O espalhamento de uma ideia é
geralmente consequência de um ato intencional da
parte de quem a transmite ou de quem a adota
(Bettencurt et al., 2005; Kosfeld, 2005). De uma
forma geral, a aquisição de novas ideias é sempre
vantajosa; fato que já não ocorre em relação à
“aquisição” de uma doença, que geralmente é um
ato involuntário de quem a transmite e de quem a
adquire.
O ponto de partida deste estudo é a
consideração que tanto a ideia/informação quanto a
doença, têm a característica comum de serem
“transmitidas” na população e podem ser
adquiridas por um indivíduo que esteja suscetível a
elas. E dentro deste contexto social e indivíduos mais resistentes à inovação.
epidemiológico, propomos um modelo matemático
para descrever a dinâmica da transmissão de ideias,
e investigar o espalhamento delas na população.
Para isso, são empregados não só os conceitos
epidemiológicos que descrevem a dinâmica da
transmissão de doenças, como também se avaliam
a influência da Internet nesse processo,
demonstrando o quão poderoso pode ser essa
ferramenta.
Também apropriaremos a nomenclatura
utilizada nos modelos em epidemiologia
matemática dividindo-se a população em
subpopulações, ou seja, os indivíduos estão
presentes em compartimentos, classificados de
acordo com a susceptibilidade em relação à
informação, e em condições específicas
(Diekmann&Heesterbeek, 2000).
Neste trabalho, assumimos uma situação
hipotética na qual a população total (N) é
subdividida em classes de indivíduos
“susceptíveis” (S), “infectados” (I) e “recuperados”
(R) pela inovação. Cada uma dessas classes será
ainda subdividida em dois grupos: um grupo é
formado pelos indivíduos mais receptíveis a novas
ideias, enquanto que no outro grupo, os indivíduos
têm um comportamento mais resistente às
novidades.
Assim, define-se a população total:
𝑁 = 𝑆1 + 𝑆2 + 𝐼1 + 𝐼2 + 𝑅1 + 𝑅2
Com S1, I1 e R1 sendo os indivíduos mais
receptíveis a inovação e S2, I2 e R2 sendo os
Também é importante ressaltar que, de
forma diferente ao que ocorre na maioria dos
modelos de transmissão de doenças, aqui não
faremos distinção entre indivíduos infecciosos e
infectados, ou seja, no momento que o indivíduo
aceita a novidade, ele torna-se “infectado” e,
portanto, transmissor da informação. Além disso,
esses agentes transmissores da novidade mantêm
suas características, ou seja, o grupo I1 representa
o conjunto dos indivíduos que são mais receptíveis
à novidade e também possuem maior capacidade de
comunicação. No grupo I2 estão aqueles indivíduos
3
Modelagem de Sistemas Dinâmicos – Jun/2019

com características mais conservadoras em relação idéia. Sob o aspecto epidemiológico, tal situação
à aceitação de uma nova ideia, com menos representa os indivíduos infectados recuperando-se
capacidade ou interesse em difundi-las. da doença com imunidade permanente.

Portanto, assume-se que o contato entre os
indivíduos “infectados” I1 e os “susceptíveis” S1,
ocorre a uma taxa β1, e, entre os indivíduos I1 e S2,
a uma taxa β2. Porém, os indivíduos “infectados”
I2 influenciam os indivíduos S1, mais receptíveis à
inovação, a uma taxa β3 = σ.β3, e também
influenciam os indivíduos S2, menos receptíveis à
inovação, a uma taxa β4 = σ.β2. O parâmetro σ
representa a eficiência dos indivíduos I2 na
transmissão da informação e se σ = 0 a transmissão
não ocorre; se σ = 1 a transmissão é perfeita. Como
nenhum desses casos extremos é real, assumimos 0
Como o modelo a ser simulado tomará
como amplitude o Brasil comparando como a
transmissão de uma Fake News nas diferentes
regiões do país (Norte, Nordeste, Centro-Oeste,
Sul e Sudeste) foi necessário adotar quais pessoas
da população de certa região pertencerá ao grupo
S1 (Suscetíveis e receptíveis à inovação) e quais ao
grupo S2 ( Suscetíveis e resistentes à inovação ).
Para isso, adotou-se como critério o nível de
escolaridade:
- Indivíduos da população de cada região que

<σ < 1. possuem 1* ciclo fundamental completo (1* ao 5*

Consideramos também a situação na qual
uma vez adaptados à inovação, os indivíduos
“infectados” recuperam-se depois de certo período
ano) ou mais e tenha mais de 15 anos fazem parte
do grupo S1
- Indivíduos da população de cada região que

de tempo. Desta forma, deixam de acreditar na possuem 2* ciclo fundamental completo (6* ao 9*

idéia ou simplesmente se esquecem da novidade ano) ou mais e tenha mais de 15 anos fazem parte

passando para o compartimento dos indivíduos do grupo S2

“recuperados”, R1 e R2, a uma “taxa de *Os dados utilizados na simulação foram retirados
esquecimento” γ1 e γ2 , respectivamente. Assim, o do Censo Demográfico do IBGE 2010
inverso de γ1 e γ2 representam os tempos nos quais
os indivíduos permanecem contaminados pela
Tabela 1 – Definição e associação das variáveis do sistema
indivíduos da população de cada região que possuem 1* ciclo fundamental
S1
completo (1* ao 5* ano) ou nenhuma instrução e tenha mais de 15 anos

indivíduos da população de cada região que possuem 2* ciclo fundamental

S2 completo (6* ao 9* ano) ou mais e tenha mais de 15 anos

I1 indivíduos infectados com interesse em difundir informações

I2 indivíduos infectados com baixo ou nenhum interesse em difundir informações

4
Modelagem de Sistemas Dinâmicos – Jun/2019

R1 indivíduos recuperados proveniente do grupo I1

R2 indivíduos recuperados proveniente do grupo I2

β1 Coeficiente de transmissão de informação entre I1 e S1

β2 Coeficiente de transmissão de informação entre I1 e S2

β3 Coeficiente de transmissão de informação entre I2 e S1

β4 Coeficiente de transmissão de informação entre I2 e S2

γ1 Taxa de recuperação ou de "esquecimento" de I1

γ2 Taxa de recuperação ou de "esquecimento" de I2

p Proporção de indivíduos susceptíveis que entram no sistema 0 < p < 1

π Fluxo de entrada de indivíduos suscetíveis

µ Taxa de mortalidade natural

λ Taxa de transmissão da informação em massa

σ Eficiência da transmissão da informação 0 < σ < 1

Baseado nas suposições descritas

anteriormente, a dinâmica do modelo, pode ser
Para simplificação do problema foi adotado
então descrita pelo seguinte sistema de equações
que a quantidade de pessoas é constante, ou seja,
diferenciais ordinárias.
nenhum indivíduo migra ou entra no sistema e não
ocorre mortalidade no período simulado de 12
meses (1 ano) ( p= π = µ = 0).

4. COLETA DE DADOS

Para a realização da simulação do problema, foi

necessário coletar alguns dados com relação ao
censo demográfico do IBGE de 2010.
Primeiramente foi pesquisado, uma relação dos
indivíduos com primeiro ciclo fundamental
completo ou sem instrução e outra com segundo
ciclo fundamental completo ou mais de
escolaridade. Além disso, para análise de

5
Modelagem de Sistemas Dinâmicos – Jun/2019

transmissão em massa, foi obtido o percentual de

indivíduos em cada região que apresenta acesso à
internet.

Gráfico 1 – Nível de escolaridade no Brasil segundo IBGE 2010

36.955.379
Até o Fundamental I completo Fundamental II em diante

40.000.000
Quantidade de Habitantes

20.014.627
35.000.000
17.547.948

17.544.303
30.000.000

11.871.859
25.000.000

7.277.234
20.000.000

5.991.503
5.307.544
4.381.414

3.569.703
15.000.000
10.000.000
5.000.000
0
Norte Nordeste Centro-Oeste Suldeste Sul

Gráfico 2 – Percentual de pessoas com acesso a internet segundo IBGE 2010

80,0% 71,8% 72,3%

67,6%
70,0%
60,0% 54,3% 52,3%
Porcentagem

50,0%
40,0%
30,0%
20,0%
10,0%
0,0%
Norte Nordeste Centro-Oeste Suldeste Sul
Estados

5. RESULTADOS E DISCUSSÕES

Neste tópico, apresentaremos os resultados Fake News, nas cinco regiões do país por meio da
obtidos utilizando o software MATLAB, com internet e do contato de boca a boca entre os
objetivo de associá-los de forma qualitativa ao indivíduos.
modelo matemático desenvolvido nesse trabalho.
Para isso, foi desenvolvido uma função no
Os resultados encontrados simulam o software para a realização da solução do sistema de
comportamento da dinâmica de propagação de equações diferenciais.
6
Modelagem de Sistemas Dinâmicos – Jun/2019

Figura 1 – Função implementada no MATLAB para solução do problema

Para a apresentação dos dados, foi utilizado o comando para a plotagem dos gráficos dos grupos S1,
S2, I1, I2, R1 e R2.

Figura 2 – Algoritmo para a apresentação dos dados

Com o objetivo de simular a análise de Os coeficientes de transmissão (𝛽) foram

propagação de Fake News por região, foi-se adotados arbitrariamente, levando em conta o
adotado alguns parâmetros em comum, para todos poder de convencimento (difundir informações) de
os estados que podem ser vistos a seguir: acordo com classificação dos indivíduos em grupo
1 e grupo 2 e com isso, referenciou- se os valorem
𝛽1 = 0,6 , 𝛽2 = 0,4 , 𝛽3 = 0,6𝜎 ,
0,6 e 0,4 respectivamente aos grupos. Já a taxa de
𝛽2 = 0,4𝜎
esquecimento (𝛾), foram escolhidas levando em
𝛾1 = 0,1666 , 𝛾2 = 0,3333 conta que os indivíduos do grupo 1 levam em torno

𝑝=𝜋=𝜇=0 de 6 meses para esquecer a informação e o

7
Modelagem de Sistemas Dinâmicos – Jun/2019

indivíduo do grupo 2 levam aproximadamente 3 indivíduos que possuem 1° ciclo fundamental

meses. completo ou nenhuma instrução em relação a
população total de cada região. Na região do Brasil
Os coeficientes 𝜎 (eficiência na
que se atingiu o maior valor de indivíduos sem
transmissão) e 𝜆 (taxa de transmissão em massa)
instrução, foi-se parametrizado 𝜎 = 1, que no caso
foram adotados segundo a coleta de dados, então os
foi o Nordeste. As demais regiões através de uma
mesmos, variam para cada região do Brasil. A
simples regra de três, obtiveram sua eficiência na
escolha da taxa de transmissão em massa se deu
transmissão particular, tomando o Nordeste como
pelo percentual de indivíduos da população de certa
valor referencial. Abaixo seguem os valores
região que possui acesso à internet. Já a eficiência
adotados para cada região.
na transmissão foi adotada a partir da proporção de

Tabela 2 – Taxa de transmissão em massa e eficiência na transmissão

Taxa de Eficiência de
Região transmissão em transmissão
massa (𝜆) (𝜎)
Norte 0,543 0,86
Nordeste 0,523 1
Centro-Oeste 0,718 0,77
Sudeste 0,723 0,78
Sul 0,676 0,79

Considerou-se para todas as simulações que no
instante inicial, ou seja, t = 0, não se houve nenhum
indivíduo recuperado, ou seja, R1=R2=0. Já com
relação aos infectados, levou-se em conta que
apenas 10% da população estaria infectada com a
Fake News, sendo o número de indivíduos
infectados nos dois grupos idênticos, ou seja, I1 =
I2 = 0,05.

8
Modelagem de Sistemas Dinâmicos – Jun/2019
Gráfico 3 – Região Norte (𝑺𝟏 = 𝟎. 𝟒, 𝑺𝟐 = 𝟎. 𝟓 → 𝒕 = 𝟎)
Na região Norte, observou-se que os
números de infectados do grupo I1 e grupo I2
tiveram um crescimento parecido durante os 2
meses após o espalhamento da fake news, isso se
dá pelo fato que os números de indivíduos com
baixa e alta escolaridade nessa região tem números
bem parecidos.
No entanto , posterior aos 2 meses, os
números de infectados I1 tem seu decrescimento
mais lento que o os números de infectados I2, isso
acontece devido a taxa de esquecimento do grupo
I1 ser menor que do grupo I2 e consequentemente,
existe uma recuperação de indivíduos I2 (R2)
maior que dos indivíduos I1 (R1) durante todo o
período de análise.
Percebemos também que nem toda
população é infectada, isso advém do fato que
existem indivíduos que são mais resistentes a
aceitação de uma fake news, por conta de uma
formação mais completa e porque apenas 54% de
toda população da região norte tem acesso a
internet que é um fator preponderante para
transmissão da informação.
Comparando o gráfico dessa região com as
demais regiões do país, vem à tona que a maior
diferença na região Norte no comportamento de sua
curva se dá no equilíbrio de infectados durante os 2
meses iniciais de simulação e que diferentemente,
da região Centro-Oeste, Sudeste e Sul o grupo
suscetível mais infectado é S1.
9
Modelagem de Sistemas Dinâmicos – Jun/2019
Gráfico 4 – Região Nordeste (𝑺𝟏 = 𝟎. 𝟒𝟓, 𝑺𝟐 = 𝟎. 𝟒𝟓 → 𝒕 = 𝟎)
Na região Nordeste, observou-se que os
números de infectados do grupo I1 é maior que do
grupo I2 durante toda analise, isso se dá pelo fato
que a Região Nordeste possui mais indivíduos com
baixa escolaridade (S1) do que com alta
escolaridade (S2), por consequência de uma
desigualdade social em relação as outras regiões do
país as quais são mais amparadas.
Além disso, os números de infectados I1
tem seu decrescimento mais lento que o os números
de infectados I2, isso acontece devido a taxa de
esquecimento do grupo I1 ser menor que do grupo
I2 e consequentemente, existe uma recuperação de
indivíduos I2 (R2) maior que dos indivíduos I1
(R1) durante todo o período de análise.
Percebemos também que nem toda
população é infectada, isso advém do fato que
existem indivíduos que são mais resistentes a
aceitação de uma fake news, por conta de uma
formação mais completa e porque apenas 52% de
toda população da região nordeste tem acesso a
internet que é um fator preponderante para
transmissão da informação.
Comparando o gráfico dessa região com as
demais regiões do pais, vem à tona que a maior
diferença na região Nordeste no comportamento de
sua curva é a presença de mais indivíduos
infectados I1 do que I2, isso se dá devido a situação
que existem bem mais pessoas com 1°Ciclo
fundamental completo ou sem nenhuma instrução
do que pessoas com 2°Ciclo Fundamental
completo ou mais no Nordeste, algo totalmente
diferente do encontrado na região Centro-Oeste,
10
Modelagem de Sistemas Dinâmicos – Jun/2019

Sudeste e Sul, onde o grupo suscetível mais

infectado é S1.

Gráfico 5 – Região Centro-Oeste ( (𝑺𝟏 = 𝟎. 𝟑𝟐, 𝑺𝟐 = 𝟎. 𝟓𝟖 → 𝒕 = 𝟎)

Na região Centro-oeste, observou-se que os indivíduos I1 (R1) durante todo o período de

números de infectados do grupo I2 é maior que do análise.
grupo I1 durante boa parte da análise, ao não ser a
Além disso, percebemos também que nem
partir do 5 mês de propagação da fake news que I2
toda população é infectada, isso advém do fato que
apresenta mais pessoas. Isso se dá pelo fato que a
existem indivíduos que são mais resistentes a
Região Centro-Oeste possui menos indivíduos com
aceitação de uma fake news, por conta de uma
baixa escolaridade (S1) do que com alta
formação mais completa e porque 71,8% % de toda
escolaridade (S2), por consequência de um melhor
população da região Centro-Oeste tem acesso a
amparo da região em relação as questões sociais. Já
internet que é um fator preponderante para
o revés relativo aos infectados acontece por conta
transmissão da informação.
taxa de esquecimento do grupo I2 ser maior que do
grupo I1 e consequentemente, existe uma Comparando o gráfico dessa região com as

recuperação de indivíduos I2 (R2) maior que dos demais regiões do pais, vem à tona que a maior
diferença na região Centro-Oeste no
comportamento de sua curva é a presença de mais
11
Modelagem de Sistemas Dinâmicos – Jun/2019
indivíduos infectados I2 do que I1 durante os 5
primeiros meses de análise , isso se dá devido a
situação que existem bem menos pessoas com
1°Ciclo fundamental completo ou sem nenhuma
instrução do que pessoas com 2°Ciclo Fundamental
completo ou mais no Nordeste, algo totalmente
diferente do encontrado na região Norte e
Gráfico 6 – Região Sudeste (𝑺𝟏 = 𝟎. 𝟑, 𝑺𝟐 = 𝟎. 𝟔 → 𝒕 = 𝟎)
Na região Sudeste, observou-se que os
números de infectados do grupo I2 é maior que do
grupo I1 durante parte da análise, ao não ser a partir
do 5 mês de propagação da fake news que I2
apresenta mais pessoas. Isso se dá pelo fato que a
Região Sudeste possui menos indivíduos com
baixa escolaridade (S1) do que com alta
escolaridade (S2), por consequência de um melhor
amparo da região em relação as questões sociais. Já
o revés relativo aos infectados acontece por conta
Nordeste, onde o grupo suscetível mais infectado
é S2. Ademais, apesar das pessoas com mais
formação serem mais criteriosas em relação a
aceitação de uma fake news, o alto percentual de
acesso à Internet na Região Centro-Oeste faz com
que mesmo esses mais resistentes sejam infectados.
taxa de esquecimento do grupo I2 ser maior que do
grupo I1 e consequentemente, existe uma
recuperação de indivíduos I2 (R2) maior que dos
indivíduos I1 (R1) durante todo o período de
análise.
Além disso, percebemos também que nem
toda população é infectada, isso advém do fato que
existem indivíduos que são mais resistentes a
aceitação de uma fake news, por conta de uma
12
Modelagem de Sistemas Dinâmicos – Jun/2019
formação mais completa e porque 72,3 % de toda
população da região Sudeste tem acesso a internet
que é um fator preponderante para transmissão da
informação.
Comparando o gráfico dessa região com as
demais regiões do país, vem à tona que a maior
diferença na região Sudeste no comportamento de
sua curva é a presença de mais indivíduos
infectados I2 do que I1 durante os 5 primeiros
meses de análise. Isso se dá devido a existência de
Gráfico 7 – Região Sul (𝑺𝟏 = 𝟎. 𝟑𝟑, 𝑺𝟐 = 𝟎. 𝟓𝟕 → 𝒕 = 𝟎)
Na região Sul, observou-se que os números de
infectados do grupo I2 é maior que do grupo I1
durante parte da análise, ao não ser a partir do 5
mês de propagação da fake news que I2 apresenta
mais pessoas. Isso se da pelo fato que a Região Sul
menos pessoas com 1°Ciclo fundamental completo
ou sem nenhuma instrução do que pessoas com
2°Ciclo Fundamental completo ou mais no
Sudeste, algo totalmente diferente do encontrado
na região Norte e Nordeste, onde o grupo suscetível
mais infectado é S2. Ademais, apesar das pessoas
com mais formação serem mais criteriosas em
relação a aceitação de uma fake news, o alto
percentual de acesso a Internet na Região Sudeste
faz com que mesmo esses mais resistentes sejam
infectados.
possui menos indivíduos com baixa escolaridade
(S1) do que com alta escolaridade (S2), por
consequência de um melhor amparo da região em
relação as questões sociais. Já o revés relativo aos
infectados acontece por conta taxa de
13
Modelagem de Sistemas Dinâmicos – Jun/2019
esquecimento do grupo I2 ser maior que do grupo
I1 e consequentemente, existe uma recuperação de
indivíduos I2 (R2) maior que dos indivíduos I1
(R1) durante todo o período de análise.
Além disso, percebemos também que nem toda
população é infectada, isso advém do fato que
existem indivíduos que são mais resistentes a
aceitação de uma fake news, por conta de uma
formação mais completa e porque 67,6 % de toda
população da região Sul tem acesso a internet que
é um fator preponderante para transmissão da
informação.
Comparando o gráfico dessa região com as demais
regiões do país, vem a tona que a maior diferença
na região Sudeste no comportamento de sua curva
é a presença de mais indivíduos infectados I2 do
que I1 durante os 5 primeiros meses de análise. Isso
se dá devido a existência de menos pessoas com
1°Ciclo fundamental completo ou sem nenhuma
instrução do que pessoas com 2°Ciclo Fundamental
completo ou mais no Sul, algo totalmente diferente
do encontrado na região Norte e Nordeste, onde o
grupo suscetível mais infectado é S2. Ademais,
apesar das pessoas com mais formação serem mais
criteriosas em relação a aceitação de uma fake
news, o alto percentual de acesso a Internet na
Região Sul faz com que mesmo esses mais
resistentes sejam infectados.
Enfim, após análise da curva do gráfico de cada
região, é possível perceber que as regiões Sudeste,
Sul e Centro-Oeste possuem um comportamento
muito similar tendo as suas diferenças na proporção
de indivíduos, como por exemplo a Região Sudeste
é mais populosa que a Região Sul e Centro-Oeste.
Assim como acontece, com as Região Nordeste e
Norte que apresenta também um comportamento
muito parecido durante toda simulação. Por isso, é
possível simplificar todo sistema dinâmico em dois
grupos:
(Região Sul, Sudeste e Centro-Oeste) X (Região
Nordeste e Norte)
6. CONSIDERAÇÕES FINAIS
O Fake News é uma notícia que possui um
grande impacto seja com manchetes alarmistas,
conteúdos polêmicos e credibilidade duvidosa, a
qual está cada vez mais presente na internet e nas
redes sociais. Essas informações são recorrentes e
preocupam porque, além de emitir informações
inexatas, elas podem ser usadas para aplicar golpes
e espalhar vírus.
Com a modelagem de propagação de Fake
News podemos determinar a disseminação de
desinformação deliberada, ou seja, o quão rápido
uma notícia falsa chega nas pessoas e como isso
pode afetar elas, pois essas notícias manipulam a
opinião pública. Como estamos vivendo um tempo
sem precedentes onde a desinformação, é
alimentada por sua velocidade de disseminação na
internet, está se tornando um perigo real para os
processos democráticos. Nosso modelo pode guiar
o caminho para o planejamento estratégico no
sentido de combater os impactos de notícias falsas.
O nosso modelo também é capaz de
verificar como o nível de escolaridade de cada
região pode influenciar na propagação de uma Fake
News ou até mesmo o nível de pessoas conectadas
14
Modelagem de Sistemas Dinâmicos – Jun/2019

a internet podem acelerar a disseminação dessas and analysis. Mathematical and Computer
informações falsas. Modelling. 2003;

Diekmann O, Heesterbeek JAP. Mathematical

BIBLIOGRAFIA epidemiology of infectious diseases. Model
building, analysis and interpretation. Wiley Series
Bettencourt, L.M.A., Cintrón-Arias,A., Kaiser,,
in Mathematical and Computational Biology.
D.I.,Castillo-Chávez, C.,2005.The power of a
Chichester:John Wiley & Sons, Ltd; 2000.
goodidea: quantitative modeling of the spread of
ideas from epidemiological models. Physica A: Censo Demográfico do IBGE 2010: acesso em
Stat. Mech. and its Applic. 18/06/2019
http://www.deepask.com.br/goes?page=Veja-
Coutinho, FAB. A matemática das Epidemias. In:
ranking-de-estados-pela-escolaridade-da-
Massad E, Menezes RX, Silveira PSP, Ortega
populacao)
NRS. Métodos quantitativos em medicina. São
Paulo: Manole, 2004;

Dickinson RE, Pearce CEM. Rumours,

epidemics, and processes of mass action: synthesis

15