Tempo adopcji mediów społecznościowych i ich modele biznesowe sprawiają, że stanowią one efektywne środowisko do wpływania na użytkowników za pomocą treści dezinformacyjnych. Z kolei proces automatycznego lub półautomatycznego wykrywania dezinformacji jest z wielu powodów trudny w realizacji. W tym obszarze opublikowano wiele metod badawczych i aplikacji, ale charakteryzują się one istotnymi ograniczeniami związanymi z ich funkcjonalnością lub dokładnością wykrywania. Okoliczności te stanowią motywację dla prezentowanych badań, których wkład obejmuje: nowatorską wielokryterialną metodę wykrywania dezinformacji zaimplementowaną w prototypowej aplikacji XScanner przeznaczonej dla serwisu X oraz serię eksperymentów zaprojektowanych w celu oceny właściwości metody XScanner. Aplikacja XScanner ma możliwość operowania na danych online, analizowania treści, metadanych i interakcji oraz generowania szczegółowych wyników dla analityka. Wydajność LDA na poziomie 91% i wynik F1 na poziomie 0,87 pokazują, że model utrzymuje zrównoważoną wydajność, skutecznie minimalizując zarówno wyniki fałszywie pozytywne, jak i fałszywie negatywne. Analiza statystyczna potwierdziła, że zidentyfikowane kryteria oraz aplikacja XScanner mogą być skutecznie wykorzystywane do wspierania weryfikatorów faktów, menedżerów społeczności i menedżerów ds. bezpieczeństwa w procesie wykrywania i oznaczania dezinformacji.