El advenimiento de la tecnología basada en Internet ha hecho la vida diaria mucho más fácil que en días anteriores. El aumento exponencial en la popularidad de las plataformas de redes sociales no solo ha conectado a personas de lugares lejanos, sino que también ha aumentado la comunicación entre los seres humanos. Sin embargo, en varios casos, las plataformas de redes sociales también se han utilizado para actividades éticas y criminales. La propagación de noticias falsas en las redes sociales durante la pandemia de COVID-19 en curso ha deteriorado la salud mental y física de las personas. Por lo tanto, para controlar el flujo de noticias falsas sobre el nuevo coronavirus, se han realizado varios estudios para detectar automáticamente las noticias falsas sobre COVID-19 utilizando diversas técnicas inteligentes. Sin embargo, diferentes estudios han mostrado resultados diferentes sobre el rendimiento de los modelos predictivos. En este documento, hemos evaluado varios modelos de aprendizaje automático y aprendizaje profundo para la detección automática de noticias falsas sobre COVID-19. Los experimentos se llevaron a cabo en dos conjuntos de datos públicos y los resultados se evaluaron utilizando varias métricas de evaluación. Los modelos tradicionales de aprendizaje automático produjeron mejores resultados que los modelos de aprendizaje profundo en la predicción de noticias falsas.