A közösségi média gyorsíthatja a humanitárius reagálást v...
Egy friss kutatás szerint a közösségi média posztjainak elemzése révén a szakértők előre jelezhetik, mikor indulnak el az emberek egy-egy válsághelyzetben, ezzel támogatva a gyorsabb és hatékonyabb segítségnyújtást. Az elmúlt...
Az elmúlt években látványosan megnőtt az erőszakos elmozdulások száma, ami globális humanitárius válságot idézett elő. Az ENSZ menekültügyi szervezete szerint az elmúlt tíz évben szinte megduplázódott a világ elmenekültjeinek száma. Csak 2024-ben minden 67. ember kényszerült otthona elhagyására.
A kutatás rámutat, hogy a korszerű számítástechnikai eszközök milyen hatékony segítséget nyújthatnak a globális emberi méltóságot veszélyeztető komoly kihívások kezelésében.
Marahrens, a Notre Dame Egyetem Keough Globális Ügyek Iskolájának számítástechnikai társadalomtudományi adjunktusa kiemeli, hogy hagyományos adatgyűjtés, például kérdőívek alkalmazása szinte lehetetlen a krízisek idején. „Az előrejelző rendszerek fejlődésével a mesterséges intelligencia és az új digitális adatok jobbá tehetik ezeket a rendszereket, így hatékonyabbá téve a humanitárius segélynyújtást, amely több ember életét mentheti meg és csökkentheti a szenvedést.”
Az EPJ Data Science folyóiratban megjelent tanulmány három esettanulmányt vizsgált. Ukrajnában az orosz invázió után 2022-ben 10,6 millió embert kényszerítettek elmenekülésre, Szudánban a 2023 áprilisában kirobbant polgárháború miatt mintegy 12,8 millióan váltak menekültté, míg Venezuelában az elmúlt évek gazdasági válságai miatt körülbelül 7 millió ember kényszerült elhagyni otthonát.
A kutatók három nyelven, majdnem kétmillió közösségi médiás bejegyzést elemeztek az X platformon (korábban Twitter). Meglepő módon a bejegyzések érzelmi tónusa (pozitív, negatív vagy semleges) megbízhatóbb jelző volt az elmozdulás várható idejének előrejelzéséhez, mint a konkrét érzelmek, mint az öröm, harag vagy félelem. Különösen hatékony volt a határátlépések időzítésének és nagyságrendjének becslésében.
Többféle elemzési módszer összehasonlítása után a kutatók arra jutottak, hogy a mélytanulással előre betanított nyelvi modellek nyújtották a legjobb korai jelzőket. Ezek az AI-alapú eszközök hatalmas szövegmennyiségeken tanulnak, és úgy működnek, hogy felismerik a mintázatokat, hasonlóan az emberi agyhoz.
„Eredményeink hozzájárulnak ahhoz, hogy a kutatók tovább finomítsák a konfliktusok és katasztrófák idején történő népmozgások előrejelzésére szolgáló modelleket” – mondja Marahrens.
Szerinte a közösségi média elemzése a legjobban a harci helyzetekben, például Ukrajnában működik, de kevésbé hatékonyak az olyan gazdasági válságok esetében, mint amilyenek Venezuelában zajlanak, ahol a folyamat lassabban bontakozik ki.
Fontos azonban, hogy az ilyen elemzések téves riasztásokat is eredményezhetnek. Ezért a legértékesebbek akkor, ha egy mélyebb vizsgálat előfutárai, különösen ha hagyományos adatforrásokkal – például gazdasági mutatókkal vagy helyszíni jelentésekkel – együtt használják őket.
A jövőbeni kutatások Marahrens szerint arra is fókuszálhatnak, hogy miként kapcsolódik össze és hol tér el az érzelem és az érzelmi árnyalat elemzése. Emellett az automatikus fordító szolgáltatások szerepének vizsgálata is hasznos lehet, hogy még több nyelvet tudjanak értékelni a szakemberek. Végül más közösségi média platformok adatainak bevonása is bővítheti a kutatás lehetőségeit.
„Ezek az előrelépések összességében erősíthetik ezeket az eszközöket, így még hasznosabbá téve őket a döntéshozók és a menekültekkel dolgozó humanitárius szervezetek számára” – hangzik el Marahrens összegzése.
A tanulmányt a Nemzeti Tudományos Alapítvány és a Georgetown Egyetem Massive Data Institute-ja támogatta.
Forrás: University of Notre Dame
Cikk megosztása
Forrás: https://www.futurity.org
Eredeti cikk olvasása