Soziale Medien liefern Frühwarnsignale für Bevölkerungsbewegungen ^{CEFR B2}

Die Studie in EPJ Data Science untersucht, ob digitale Daten aus sozialen Medien als Frühwarnsignale für Bevölkerungsbewegungen in Krisen dienen können und so humanitären Organisationen eine schnellere Reaktion ermöglichen. Die Forschenden analysierten fast 2 million Beiträge in drei Sprachen auf X (ehemals Twitter) und verglichen Methoden an drei Fallstudien: Ukraine, Sudan und Venezuela.

Die Fälle zeigen unterschiedliche Dynamiken: In der Ukraine wurden 10.6 million Menschen nach der Invasion 2022 vertrieben, im Sudan sind nach Ausbruch des Bürgerkriegs im April 2023 etwa 12.8 million Menschen vertrieben worden, und in Venezuela haben in den letzten Jahren etwa 7 million Menschen wegen wirtschaftlicher Krisen ihr Zuhause verlassen. Die Studie fand, dass Stimmungs-Labels (positiv, negativ, neutral) verlässlichere Hinweise geben als Emotions-Labels (z. B. Freude, Wut, Angst), insbesondere um Zeitpunkt und Volumen grenzüberschreitender Bewegungen vorherzusagen.

Vortrainierte Sprachmodelle lieferten die effektivsten Frühwarnungen; diese KI-Werkzeuge werden mit großen Textmengen und Deep Learning trainiert, um sprachliche Muster zu erkennen. Die Forschenden warnen vor Fehlalarmen und sehen sozialen Medienanalysen als Auslöser für vertiefte Untersuchungen, idealerweise kombiniert mit traditionellen Daten wie Wirtschaftsindikatoren und Berichten vor Ort. Vorgeschlagene Verbesserungen sind die genauere Erforschung der Beziehung zwischen Sentiment und Emotion, der Einsatz automatisierter Übersetzung und das Hinzufügen weiterer sozialer Netzwerke. Die Studie wurde von der National Science Foundation und dem Massive Data Institute der Georgetown University gefördert. Quelle: University of Notre Dame.