Kanada Ontario’daki Waterloo Üniversitesi’ndeki araştırmacılar, artan aşı şüpheciliğini belirlemeye yardımcı olmak için sosyal medya gönderilerini analiz etmek için yeni bir yöntem geliştirdiler.
Bir zamanlar modern toplumda neredeyse tamamen ortadan kaldırılan bir hastalık olduğu düşünülen kızamık vakalarının artmasına neden olan sosyal medyadaki yanlış bilgiler nedeniyle aşılar son yıllarda eleştirildi. Bu tür sorunlara yanıt olarak Waterloo Üniversitesi’ndeki araştırmacılar, halk sağlığı yetkililerine potansiyel salgın yerleri hakkında erken uyarı verebilecek yeni bir yaklaşım geliştirmeye başladı.
Dr. Chris Bauch, “Doğada hastalıklar gibi bulaşıcı sistemlerimiz var” dedi. Waterloo’da Uygulamalı Matematik profesörü bir açıklamada bulundu. “Sosyal dinamiklere ekolojik bir sistem gibi bakmaya karar verdik ve yanlış bilgilerin bir sosyal medya ağı aracılığıyla kullanıcıdan kullanıcıya bulaşıcı bir şekilde nasıl yayılabileceğini inceledik.”
Araştırmacılar, devrilme noktasının matematiksel konseptine dayanan bir makine öğrenimi modeli kullandılar. Bauch, “Sara nöbeti geçiren bir kişinin vücuduna, yosunlarla dolu bir göl gibi ekolojik bir sisteme veya bir popülasyondaki sürü bağışıklığının kaybına bakmanız önemli değil” dedi.
“Matematiksel olarak altta yatan ortak bir mekanizma var.”
Ekip, 2014’teki kızamık salgınından önce Kaliforniya’da X’teki halka açık on binlerce gönderiyi analiz etti. Şüpheci tweetleri saymak gibi daha eski yöntemler, salgından önce daha az uyarı sağlıyordu. Karşılaştırıldığında “dönüm noktası” yaklaşımı, verilerde daha fazla teslim süresi sunuyor gibi görünen küçük kalıpları tespit etti.
Bauch, “Dönüm noktası yaklaşımı, zaman içindeki şüpheci gönderilerin sayısındaki eğilimleri aramak gibi, verilerdeki geleneksel yöntemlerle kolayca yakalanamayan kalıpları arar” dedi. Bilgilendirme bir e-postada. “Bu modeller farklı sistemlerde paylaşılıyor ve ister bir epileptik nöbetin başlangıcından, ister bir gölün yosunlarla kaplanmasından, ister önceki Buzul Çağlarının sonu gibi geçmiş iklim değişikliklerinden bahsediyor olun, benzer şekillerde ortaya çıkıyor.”
Bauch, “Şüpheci tweetlerin istatistiksel analizini yaparak bir salgını tahmin etmeye yönelik olağan yöntemler çok fazla teslim süresi sağlamaz” dedi. “Matematiksel taşma noktaları teorisini kullanarak, çok daha büyük bir teslim süresi elde edebildik ve verilerdeki kalıpları çok daha etkili bir şekilde tespit edebildik.”
Bauch’a göre modelin doğruluğu, Kaliforniya’daki gönderme kalıplarının aynı anda hiçbir salgının meydana gelmediği benzer bölgelerdekilerle karşılaştırılması yoluyla daha da doğrulandı.
Model ilk olarak X üzerinde test edilirken Bau, TikTok veya Instagram gibi diğer sosyal medya platformlarında da kullanılabiliyor. Ancak görüntüleri ve videoları analiz etmek, X’in ağırlıklı olarak metin tabanlı içeriğinden daha fazla bilgi işlem kaynağı gerektirir.
“Göller veya iklim değişiklikleri gibi diğer sistemlerde gördüğümüz kalıpların aynısını tweetlerde de gördük” diyor Bauch. “Desen, bir tepenin düşmeden önce sallanmasına benzer şekilde bir tür ‘yalpalama’ olarak ortaya çıkıyor.”
“Bu yalpalamalar, devrilme noktalarının matematiksel teorisi tarafından tahmin ediliyor. Ve kullandığımız yapay zeka algoritmaları, iyi olan kalıpları bulabiliyor” diyor.
Bauch, “Nihayetinde bunu, halk sağlığı yetkililerinin hangi popülasyonların bir devrilme noktası açısından en yüksek risk altında olduğunu izlemesi için bir araca dönüştürmek istiyoruz” diye vurguladı. “Uygulamalı matematik, halk sağlığına yönelik tehditlerin tahmin edilmesine, izlenmesine ve ele alınmasına yardımcı olan güçlü bir niceliksel araç olabilir.”
Bu araştırma, Waterloo’nun kanıta dayalı karar verme ve halkın bilime olan güvenine yönelik daha geniş taahhüdünün bir parçasıdır. Şununla uyumludur: Üniversitenin Toplumsal Gelecekleri bilime duyulan güvenin nedenini ve bunun nasıl yeniden inşa edilebileceğini araştırmak için filozofları, bilgisayar bilimcilerini, iletişimcileri ve etik uzmanlarını bir araya getiren TRuST girişimi.
“Söylentiler, tıpkı bulaşıcı hastalıklar gibi, toplumlar arasında yayılıyor; bir kişiden diğerine. Dünya görüşlerine ve görüşlerine göre, bazı insanlar söylentilere karşı ‘bağışık’ olabilirken, diğerleri söylentilere ‘duyarlı’ olabilir.” Bauch anlattı Bilgilendirme.
Temel olarak, bu tür öngörücü çalışmalar dünya çapındaki sağlık sistemlerinde hayat ve para kurtarmaya yardımcı olabilir. Kuruluşların ve hükümet gruplarının yapay zeka konusunda ellerinde bulunan yeteneklerin giderek arttığı göz önüne alındığında, bir hastalık salgınının nerede ve ne zaman ortaya çıkabileceğini tahmin etme yeteneği artık her zamankinden daha fazla kontrolümüz altında.
Çalışma, “Sosyal medyadaki aşı duyarlılığından bulaşıcı hastalık salgını risklerini tahmin etmek: Veriye dayalı dinamik sistem yaklaşımı”, yakın zamanda yayınlandı Matematiksel Biyoloji ve Mühendislik.
Chrissy Newton bir halkla ilişkiler uzmanı ve VOCAB Communications’ın kurucusudur. Şu anda The Discovery Channel ve Max’te yer alıyor ve sunuculuk yapıyor Asi Meraklı podcast, üzerinde bulunabilir YouTube ve tüm sesli podcast yayın platformlarında. Onu X’te takip edin: @ChrissyNewton, Instagram’da: @BeingChrissyNewtonVe chrissynewton.com.
