Desinformação: AosFatos

Descrição da arquitetura, tecnologias e passos adotados para a extração das informações do serviço de fact-checking AosFatos em Python - por meio do processo de Web Scraping (extração de dados da web). Aos Fatos – lista de checagens e páginas de detalhes de cada verificação. O objetivo foi coletar, para cada verificação/artigos checados, os campos: a) URL;b) Título;c) Data; d) Assunto;e) Classificação;f) Tipo (sempre “Checagem”);g) Autor. Os dados foram salvos em dois formatos: CSV (UTF-8) e Excel (.xlsx). 2 - Tecnologias e Stack Camada Ferramenta / Biblioteca Linguagem Python 3.10+ Automação Selenium WebDriver 4.x Navegador Headless Google Chrome + ChromeDriver Esperas WebDriverWait + expected conditions Manipulação CSV módulo csv (builtin) Planilha Excel openpyxl DataFrame pandas (opcional) Regex re (builtin) Pausa time.sleep 3 - Arquitetura da Solução url_list_aosfatos.py | v Script principal do scrapingEtapa 1 - Inicia o Selenium headless ChromeEtapa 2 - Para a lista de URL (AosFatos): { driver.get(url) { espera e extrai campos via CSS { escreve linha em CSV/ExcelEtapa 3 - Fecha driver, salva arquivos. 4 - Fluxo de Coleta 1 - Listagem: Acessa a listagem de checagens e captura links.2 - Página de verificação: Para cada URL, extrai com seletores próprios.(e.g., título, autor, data, assunto, classificação) e define o tipo da “Checagem”. 5 - Escrita Incremental de DadosPara persistência imediata:a) CSV: abre em append e grava cada registro após scraping.b) Excel: usa openpyxl.Workbook(), ws.append(row) por item, e salva ao final.Cabeçalho comum: url, título, data, assunto, classificação, tipo, autor. 6 Exemplo de pseudocódigoimport csv, timefrom selenium import webdriver# ...with open(’dados.csv’,’w’,encoding=’utf-8’) as f: writer = csv.writer(f) writer.writerow([...]) for url in urls: driver.get(url) time.sleep(3) # extrai campos writer.writerow([url, titulo, data, assunto, classificacao, ’Checagem’, autor]) driver.quit() 7 Boas Práticasa) Usar seletores robustos, hierarquia quando possível.b) Definir timeouts e esperas para evitar travamentos.c) Execução headless para automação sem UI.d) Gravação incremental para evitar perda de dados. A classificação da coluna C foi feita manualmente pela equipe: Usando a orientação da legenda: Desinf. Educação: qualquer abordagem envolvendo educação.Desinf. Científica: fake Science, negacionismo, teoria da conspiração - temas com enfoque na ciência. Desinf. Gênero: violência de gênero - desinformação envolvendo mulheres.Desinf. Saúde: qualquer subtemática de saúde, vacina, medicamentos, tratamentos, procedimentos.Desinf. Ansiedade Informacional - envolve saúde mental e consumo de conteúdos na web.Desinf. Ambiental - envolve meio ambiente.Outros tipos de desinformação. Essa etapa foi feita pela equipe: Dilyanne Ferreira Tavares - UFALhttps://orcid.org/0009-0001-7935-4869 Camilla de Moura Gomes - UFALhttps://orcid.org/0009-0004-3614-0184 Erick Bruno Ferreira Santos - UFBAhttps://orcid.org/0009-0000-5726-3838 Coordenada da professora: Juliana Fachin - UFALhttps://orcid.org/0000-0003-0883-642X