Skip to content

Documento de Requisitos de Software (DRS): Chatbot Anti-Fake News

Versão: 2.0

Data: 17 de Setembro de 2025

1. Introdução

1.1 Problema

A disseminação de notícias falsas (fake news) é um dos maiores desafios da sociedade conectada. Com a velocidade da informação em redes sociais e aplicativos de mensagens, conteúdos enganosos ou manipulados podem se espalhar rapidamente, impactando negativamente áreas como saúde, política, economia e segurança pública.

Atualmente, usuários comuns, principalmente os mais velhos, têm dificuldade em identificar a veracidade das informações que recebem, pois a checagem de fatos exige tempo, acesso a fontes confiáveis e habilidades específicas de análise crítica. Além disso, ferramentas tradicionais de busca não oferecem, de forma simples e imediata, uma validação contextualizada das notícias.

O problema central, portanto, é a falta de uma solução acessível e confiável que auxilie usuários a verificarem, em tempo real, a credibilidade de informações recebidas, reduzindo a propagação de fake news e fortalecendo o consumo consciente de conteúdo digital.

1.2. Propósito

O propósito deste documento é descrever de forma clara e detalhada todos os requisitos funcionais, não-funcionais e de interface para o aplicativo móvel de chatbot anti-fake news. Este DRS servirá como guia para a equipe de desenvolvimento, base para o planejamento de testes e como um acordo formal entre os stakeholders do projeto.

1.3. Escopo do Produto

O produto será um aplicativo móvel para a plataforma Android. Sua função principal é permitir que usuários conversem com um chatbot inteligente para obter informações precisas e verificadas sobre notícias e eventos atuais.

Utilizando uma arquitetura de Geração Aumentada por Recuperação (RAG), o sistema consultará uma base de dados curada de jornais e artigos confiáveis para formular respostas, combatendo a desinformação e as fake news.

Estarão fora do escopo desta versão:

  • Autenticação de usuários com login e senha em nuvem.

  • Sincronização de histórico de chat entre múltiplos dispositivos.

  • Funcionalidades de chat em grupo ou social.

  • Monetização ou sistemas de assinatura.

1.4. Definições, Acrônimos e Abreviações

  • DRS: Documento de Requisitos de Software.

  • App: Aplicativo móvel.

  • LLM (Large Language Model): Modelo de Linguagem de Grande Porte, a tecnologia de IA que potencializa o chatbot.

  • RAG (Retrieval-Augmented Generation): Geração Aumentada por Recuperação. Arquitetura que combina um LLM com uma base de dados externa para gerar respostas mais precisas e baseadas em fatos.

  • API (Application Programming Interface): Interface de Programação de Aplicação.

  • UI (User Interface): Interface do Usuário.

2. Descrição Geral

2.1. Perspectiva do Produto

O aplicativo é um produto independente e autocontido. Ele se posiciona como uma ferramenta de verificação de fatos e informação rápida, competindo com mecanismos de busca tradicionais e outras plataformas de checagem de notícias, com o diferencial de uma interface conversacional intuitiva.

2.2. Características dos Usuários

O público-alvo do aplicativo são usuários de smartphones em geral, preocupados com a veracidade das informações que consomem. Isso inclui:

  • Usuário Geral: Pessoas com pouca afinidade tecnológica que buscam respostas rápidas e confiáveis para suas dúvidas.

  • Estudantes e Pesquisadores: Utilizarão o app como ponto de partida para obter informações de fontes seguras.

  • Profissionais de Comunicação: Jornalistas e criadores de conteúdo que necessitam de uma ferramenta ágil para checagem de fatos.

  • Idosos: Pessoas de idade que tenham contato frequente com notícias falsas nas redes sociais, sendo o grupo etário mais propenso a espalharem notícias falsas de acordo com estudo recente da BBC news.

2.3. Restrições Gerais

  • O sistema dependerá de uma conexão ativa com a internet para se comunicar com a API da LLM.

  • Toda a curadoria de conteúdo para o banco de dados deve seguir princípios éticos de jornalismo e imparcialidade.

2.4. Suposições e Dependências

  • Dependência de API Externa: O funcionamento do chatbot depende diretamente da disponibilidade e dos termos de serviço da API da LLM escolhida (ex: Gemini, OpenAI API).

  • Qualidade do Banco de Dados: A precisão das respostas do chatbot é proporcional à qualidade e atualização do banco de dados vetorial.

3. Requisitos Funcionais

RF-001: Configuração Inicial do Usuário

Descrição: Na primeira vez que abrir o aplicativo, o usuário será apresentado a uma tela inicial.

Componentes:

  • RF-001.1: A tela deve exibir o logo e o nome do aplicativo.

  • RF-001.2: O tutorial deve ser exibido apenas na primeira utilização do aplicativo.

  • RF-001.3: A landing page deve ter telas que explicam o propósito do aplicativo e como ele funciona.

  • RF-001.4: Uma das telas deve conter um campo de texto para que o usuário insira um nome ou apelido.

  • RF-001.5: Um botão "Entrar" ou similar deve persistir o nome do usuário localmente no dispositivo e direcioná-lo para a tela principal do chat.

  • RF-001.6: O usuário deve ser capaz de revisitar a landing page/tutorial a qualquer momento através de um botão específico na tela de configurações (RF-004-1.6).

RF-002: Interface de Chat

Descrição: A tela principal do aplicativo será uma interface de chat interativa.

Componentes:

  • RF-002.1: Exibir mensagens do usuário e do chatbot em formato cronológico.

  • RF-002.2: Campo de texto para digitação de mensagens.

  • RF-002.3: Botão "Enviar" para enviar mensagens ao chatbot.

  • RF-002.4: Exibir o logo do aplicativo na parte superior da tela.

  • RF-002.5: A interface do chat deve exibir um nome ou identificador claro para o chatbot (ex: "Nome do Agente"), diferenciando-o das mensagens do usuário.

  • RF-002.6: Cada resposta deve conter um anexo para o link que foi ultilizado como fonte para regerar a resposta, ele deve estar junto de cada pesquisa realizada.

  • RF-002.7: Botão de avaliação da resposta do chatbot, sendo positivo ou negativo.

  • RF-002.8: Indicador visual que o processo de "Pensamento" está acontecendo.

RF-003: Menu Lateral e Histórico

Descrição: A tela de chat deve conter um menu lateral para acesso a outras funcionalidades.

Componentes:

  • RF-003.1: Ícone (três barras horizontais) abre o menu lateral.

  • RF-003.2: O menu lateral deve conter lista de chats anteriores armazenados localmente.

  • RF-003.3: Botão para acessar a pagina de configurações

  • RF-003.4: O menu deve incluir um botão "Nova Conversa" que limpa a interface e permite iniciar uma nova sessão.

  • RF-003.5: A lista de chats deve ser organizada sob um título como "Conversas Recentes" para clareza.

  • RF-003.6: Deve ser incluido um ícone com a função de apagar uma conversa em específico ao lado de cada conversa.

  • RF-003.7: Botão de lixeira com função de apagar todas as conversas armazenadas.

RF-004: Configurações, Personalização e Informações Adicionais

Descrição: A tela de configurações deve ser clara e concisa, tendo opções de personalização e informações sobre o aplicativo.

RF-004-1: Tela Principal de Configuração

Componentes:

  • RF-004-1.1: Botão de edição do nome de usuário.

  • RF-004-1.2: Dentro a opção app: Idioma, botão para mudar a linguagem em que a LLM responde e do app.

  • RF-004-1.3: Dentro a opção app: Aparência, botão para trocar o tema do aplicativo para claro ou escuro, começa pelo padrão do sistema

  • RF-004-1.4: Dentro a opção app: Tamanho da Fonte, botão para trocar o tamanho da fonte

  • RF-004-1.5: Dentro da opção sobre: Um botão "Saiba Mais" que redireciona ao github pages.

  • RF-004-1.6: Dentro da opção sobre: Um botão de "Tutorial" que redireciona o usuário a landing page.

  • RF-004-1.7: Dentro da opção sobre: Um botão de Termos de Serviço.

  • RF-004-1.8: Botão de volta a tela principal.

  • RF-004-1.9: Ícone em acima de termos de serviço mostrando a versão atual do aplicativo.

RF-004-2: Tela de Configuração em Janela

  • RF-004-2.1: Tanto o botão "Idioma" quanto o "Aparência" irão redirecionar a uma tela em janela que será aberta dentro das configurações, aplicando um filtro para escurecer tudo fora da janela.

  • RF-004-2.2: Essa configuração em janela tem opções de escolha a esqueda que podem ser selecionadas a direita.

  • RF-004-2.3: Um botão que irá voltar a tela de configurações.

RF-004-3: Tela de Configuração de Fonte

  • RF-004-3.1: Uma tela separada de configurações com um texto explicativo mostrando o tamanho da fonte atual que está sendo ultilizado pelo chatbot.

  • RF-004-3.2: Caixa interativa na parte inferior da tela com opções de diminuir e aumentar a fonte, mudando em tempo real o texto explicativo.

  • RF-004-3.3: Botão de volta a página de configurações.

RF-004-4: Tela de Configuração de Termos de Serviço

  • RF-004-4.1: Quando clicado, irá redirecionar a uma tela com duas opções: Termos de Uso e Política de Privacidade.

  • RF-004-4.2: Botão em ambas as opções que ira redirecionar o usuario até a tela especifica a isso.

  • RF-004-4.3: Tela contendo de forma crua os termos de serviço e política de privacidade, com botão de volta a tela de termos de seviço.

  • RF-004-4.4: Botão de volta a configurações.

RF-005: Sistema de Interação com o Chatbot (RAG)

Descrição: Núcleo do sistema que processa as perguntas e gera respostas.

Componentes:

  • RF-005.1: Receber pergunta do usuário.

  • RF-005.2: Consultar banco de dados vetorial para artigos relevantes.

  • RF-005.3: Enviar dados para a LLM.

  • RF-005.4: Receber resposta e exibir na interface de chat.

  • RF-005.5: Analisar se entrada é um link. Caso não confiável, retornar mensagem:

    "Desculpe, só posso analisar informações de fontes confiáveis que fazem parte do meu conhecimento."

  • RF-005.6: Em caso de erro por falha de conexão, uma mensagem clara deve ser mostrada explicando o erro.

  • RF-005.7: O Chatbot deve entender o contexto da conversa, sendo cada nova conversa um contexto separado.

RF-006: Sistema de Administração de Conteúdo

Descrição: Interface web para administradores controlarem quais reportagems estão sendo colocadas no banco de dados.

Componentes:

  • RF-006.1: O sistema deve exibir uma lista de todos os artigos e jornais armazenados no banco de dados.

  • RF-006.2: Para cada item na lista, o sistema deve mostrar a fonte (nome do jornal ou site) e um link para o artigo original.

  • RF-006.3: O sistema deve permitir que o administrador adicione novos artigos ao banco de dados, inserindo um link para a matéria.

  • RF-006.4: O sistema deve fornecer uma confirmação visual quando um novo artigo for adicionado com sucesso.

  • RF-006.5: O sistema deve permitir que o administrador remova um artigo específico do banco de dados.

  • RF-006.6: A interface deve ter um campo de busca ou filtros para ajudar o administrador a encontrar artigos específicos.

4. Requisitos Não-Funcionais

  • RNF-001: Desempenho

Tempo de resposta deve ser < 10 segundos em média.

  • RNF-002: Segurança

Comunicação via HTTPS. Dados de usuário armazenados apenas localmente.

  • RNF-003: Confiabilidade

Se não houver dados relevantes, chatbot deve responder:

"Não encontrei informações sobre este tópico em minha base de dados para fornecer uma resposta confiável."

  • RNF-004: Usabilidade

Interface deve seguir padrões de apps de mensagens populares (WhatsApp, Telegram, ChatGPT, Gemini). A interface deve ser auto explicativa ao usuário, tendo em mente que pessoas de idade fazem parte das Personas do projeto, por isso conta com funcionalidades de personalização como Alterar o tamanho da fonte

  • RNF-005: Escalabilidade

Suporte estável para até 100 usuários simultâneos.

5. Requisitos de Interface Externa

5.1. Interfaces de Usuário (UI)

  • UI deve ser limpa, moderna e intuitiva.

  • Adaptar-se a diferentes tamanhos de tela.

  • Exibir feedback visual quando o chatbot estiver "digitando".

5.2. Interfaces de Software

  • API da LLM: Comunicação via HTTP RESTful.

  • Banco de Dados Vetorial: Backend conectado a serviço de vetores (ex: ChromaDB).

6. Impacto Esperado

O aplicativo de chatbot anti-fake news pretende gerar um impacto positivo em diferentes níveis:

  • Social: Reduzir a disseminação de desinformação, promovendo um consumo mais consciente e responsável de notícias.

  • Educacional: Oferecer uma ferramenta de apoio para estudantes, pesquisadores e cidadãos em geral, facilitando o acesso a informações verificadas.

  • Tecnológico: Demonstrar o uso prático de arquiteturas baseadas em LLM e RAG, aplicadas a um problema real de relevância global.

  • Comunicacional: Apoiar profissionais de mídia e criadores de conteúdo na checagem rápida de fatos, fortalecendo a credibilidade das informações divulgadas.

  • Acessibilidade: Facilitar o acesso e verificação de notícias falsas por grupos mais impactados, trazendo funções e modos de personalização para facilitar o seu uso.

Com isso, espera-se contribuir para um ambiente digital mais confiável, onde usuários possam tomar decisões melhor informadas e reduzir os efeitos nocivos das fake news na sociedade.