Soziale Medien liefern Frühwarnsignale für Bevölkerungsbewegungen ^{CEFR B1}

Eine in EPJ Data Science veröffentlichte Studie prüft, ob soziale Medien als Frühwarnsystem für Zwangsvertreibung dienen können. Forschende analysierten fast 2 million Beiträge in drei Sprachen auf X (ehemals Twitter) und verglichen Methoden zur Auswertung. Sie nutzten drei Fallstudien: Ukraine, Sudan und Venezuela.

Die Studie zeigt, dass Stimmungs-Labels (positiv, negativ, neutral) ein besseres Signal liefern als Emotions-Labels wie Freude oder Angst. Besonders nützlich war Stimmungsanalyse, um sowohl den Zeitpunkt als auch das Volumen von grenzüberschreitenden Bewegungen vorherzusagen. Vortrainierte Sprachmodelle erwiesen sich als die effektivste Form der Frühwarnung; sie werden mit großen Textmengen und Deep Learning trainiert.

Die Forschenden betonen aber auch Grenzen: In Konfliktsituationen wie in der Ukraine funktionierte die Methode besser als in langsam verlaufenden Wirtschaftskrisen wie in Venezuela. Analysen sozialer Medien können Fehlalarme auslösen und sollten mit traditionellen Daten kombiniert werden. Die Studie nennt weitere Arbeitsschritte wie automatisierte Übersetzung und zusätzliche Netzwerke. Die Forschung erhielt Fördermittel von der National Science Foundation und vom Massive Data Institute der Georgetown University.