Tato práce se zabývá odhalováním dezinformačních zpráv na základě kvantifikovatelných textových vlastností. V první části práce je popsán pojem dezinformace a pojmy s ním spojené jako například manipulace či fake news (falešné zprávy). Představeny jsou zde techniky, které jsou využívány pro manipulaci, v další části jsou pak navrženy vlastnosti, které by mohly tyto manipulační techniky detekovat v textu. Dále je změřena hodnota zkoumaných vlastností na vzorku 240 článků z dezinformačních a nedezinformačních webů pomocí nástrojů R a UDPipe. Na výsledné hodnoty každé vlastnosti je aplikována binární logistická regrese pro zjištění, zda je daná vlastnost pro zařazení článků do kategorie dezinformační a nedezinformační signifikantní. Výsledky jednotlivých modelů logistické regrese jsou pak popsány a interpretovány. Závěr obsahuje zamyšlení, proč jsou některé zkoumané vlastnosti pro zařazení článků signifikantní a některé ne.This thesis deals with detecting disinformation based on quantifiable textual features. The first part of the paper describes the concept of disinformation and related concepts such as manipulation or fake news. Techniques that are used for manipulation are introduced, and in the next section, properties that could detect these manipulation techniques in text are proposed. Furthermore, the value of the investigated features is measured on a sample of 240 articles from disinformation and non-disinformation websites using R and UDPipe. Binary logistic regression is applied to the resulting values of each feature to determine whether the feature is significant for classifying articles as disinformation or non-disinformation. The results of each logistic regression model are then described and interpreted. The conclusion includes a reflection on why some of the characteristics examined are significant and some are not for the classification of articles.