Principals editors científics als canals de Telegram: una aproximació a la detecció de canals falsos amb ChatGPT i DeepSeek
Objectius: identificar l’existència de canals falsos a Telegram que suplanten les principals editorials
acadèmiques, avaluar l’eficàcia dels models grans del llenguatge (LLM), ChatGPT i DeepSeek, per a la
seva detecció, analitzar les fonts web utilitzades per aquests models i determinar la possible existència
de biaixos geogràfics en aquestes fonts.
Metodologia: Selecció de 13 grans editorials acadèmiques a partir del portal SCImago: Elsevier,
Springer, Wiley-Blackwell, Routledge, OUP, de Gruyter, Brill, CUP, IEEE, Hindawi, World Scientific,
Nature i Thieme. Identificació de 37 canals de Telegram associables i aplicació d’un prompt estandarditzat
a ChatGPT i DeepSeek per avaluar l’autenticitat de cada canal, activant la funció de cerca
web. Anàlisi comparativa de les respostes dels models i verificació mitjançant classificació manual.
Resultats: Es va identificar que el 78,38% dels canals analitzats eren fraudulents. Ambdós models van
mostrar alta efectivitat en la detecció de canals falsos, però limitacions significatives en la validació de
canals reals. Es van observar diferències metodològiques: DeepSeek va adoptar un criteri contextual,
mentre que ChatGPT va requerir verificació explícita. L’anàlisi de fonts web va revelar que DeepSeek
va prioritzar continguts de ciberseguretat, mentre que ChatGPT va utilitzar predominantment fonts
institucionals i xarxes socials, amb clar predomini de fonts occidentals en ambdós casos.
