La propagación exponencial de noticias y publicaciones relacionadas con la pandemia de COVID-19 en plataformas de redes sociales ha llevado a la aparición del fenómeno de la desinformación. El fenómeno de difundir información falsa y noticias crea una preocupación significativa para la salud pública y la seguridad de la población. En este documento, proponemos un marco de detección de desinformación basado en el aprendizaje multitarea (MTL) y algoritmos metaheurísticos en el contexto de la pandemia de COVID-19. El marco desarrollado utiliza un MTL y un modelo basado en transformadores preentrenado para aprender y extraer representaciones de características contextuales de publicaciones en redes sociales en árabe. Las representaciones contextuales extraídas se alimentan a una técnica de selección de características alternativa que depende de una versión modificada del Optimizador Fire Hawk. El marco propuesto, que tiene como objetivo mejorar la tasa de detección de desinformación, fue evaluado en varios conjuntos de datos de publicaciones en redes sociales en árabe. Los resultados experimentales muestran que el marco propuesto puede lograr una precisión del 59%. Obtuvo, en el mejor de los casos, una precisión, recall y F-medida del 53%, 71% y 53%, respectivamente, en todos los conjuntos de datos; y superó a los otros algoritmos en todas las medidas.