Datasets:
language:
- ro
license: mit
task_categories:
- text-classification
task_ids:
- multi-class-classification
pretty_name: Dezinformare Pro-Rusa in Presa Romaneasca
size_categories:
- 1K<n<10K
tags:
- disinformation
- fake-news
- romanian
- ukraine
- news
- propaganda
Dezinformare Pro-Rusă în Presa Românească
Dataset de 1.483 articole din presa românească, anotate pentru detecția dezinformării pro-ruse în contextul războiului din Ucraina (2022–2026).
Construit și utilizat în lucrarea de licență: Sistem de Detecție Automată și Explicabilă a Dezinformării Pro-Ruse în Presa Românească · Facultatea de Informatică · 2025-2026.
Statistici
| Valoare | |
|---|---|
| Total articole | 1.483 |
| Dezinformare pro-rusă (cls1) | 746 (50.3%) |
| Știri credibile (cls0) | 737 (49.7%) |
| Perioada acoperită | 2022 – 2026 |
| Limbă | Română |
Distribuție pe surse
| Sursă | Articole | Clasă |
|---|---|---|
| veridica.ro | 661 | cls1 — dezinformare |
| stopfals.md | 85 | cls1 — dezinformare |
| digi24.ro | 389 | cls0 — credibil |
| g4media.ro | 348 | cls0 — credibil |
Distribuție temporală
| An | Articole |
|---|---|
| 2022 | 417 |
| 2023 | 342 |
| 2024 | 314 |
| 2025 | 336 |
| 2026 | 74 |
Structura fișierului CSV
| Coloană | Tip | Descriere |
|---|---|---|
id |
string | Identificator unic (prefix sursă + număr, ex. vrd_0134) |
url |
string | URL original al articolului |
titlu |
string | Titlul articolului |
text_curat |
string | Corpul articolului după curățare (fără cookies, boilerplate) |
data |
string | Data publicării (YYYY-MM-DD) |
an |
string | Anul publicării |
luna |
string | Luna publicării (YYYY-MM) |
sursa_site |
string | Domeniul sursei |
sectiune |
string | Secțiunea editorială a articolului |
label |
string | dezinformare_pro_rusa sau stire_credibila |
label_numeric |
int | 1 (dezinformare) sau 0 (credibil) |
stire_citata |
string | Textul sursei citate (ex. RIA Novosti) — relevant pentru analiza reported speech |
naratiuni_false |
string | Narațiunile false identificate (doar cls1, din editorial Veridica/Stopfals) |
obiective_propaganda |
string | Obiectivele propagandistice (doar cls1) |
nr_cuvinte_v4 |
int | Număr de cuvinte după curățare finală |
nr_cuvinte_truncat |
int | Număr de cuvinte după trunchiere la 256 tokens XLM-R |
calitate_extractie |
string | Calitatea scrapingului: excelenta / buna / medie |
hash_continut |
string | SHA1 al text_curat — deduplicare |
Surse și colectare
- Cls1 (dezinformare): articole de fact-checking de pe Veridica.ro și Stopfals.md — surse editoriale specializate în dezminteirea dezinformării pro-ruse. Articolele conțin narațiunile false identificate editorial.
- Cls0 (credibil): articole de știri de pe G4Media.ro și Digi24.ro — surse de presă mainstream românească.
Colectarea prin scraping propriu (BeautifulSoup/Requests), cu curățare manuală și automată (deduplicare SHA1, filtrare cookie banners, validare calitate extracție).
Utilizare
import pandas as pd
df = pd.read_csv("dataset_licenta_complet.csv")
print(df["label"].value_counts())
# dezinformare_pro_rusa 746
# stire_credibila 737
# Split train/val/test folosit in lucrare
# (disponibil si ca fisiere separate in repo-ul GitHub)
from sklearn.model_selection import train_test_split
train, test = train_test_split(df, test_size=0.15, stratify=df["sursa_site"], random_state=42)
Model asociat
Modelul fine-tuned pe acest dataset: rares127/xlmr-dezinformare-ro
Cod sursă
Pipeline complet (antrenare, evaluare LOSO, interfață web FastAPI):
Notă etică
Articolele de dezinformare sunt citate doar în scop de cercetare pentru
detecție automată. Narațiunile false conținute în text_curat și stire_citata
nu reprezintă poziția autorilor.