शोधकर्ता यह दिखाते हैं कि सोशल मीडिया पोस्टों का विश्लेषण मानवीय संकटों में आबादी की गति के बारे में जल्दी चेतावनी दे सकता है और मानवीय एजेंसियों को तेज़ प्रतिक्रिया में मदद कर सकता है। अध्ययन EPJ Data Science में प्रकाशित हुआ और X पर तीन भाषाओं में लगभग 2 million पोस्टों का परीक्षण किया गया।
तीन केस स्टडी पर गौर किया गया: यूक्रेन (10.6 million विस्थापित), सूडान (लगभग 12.8 million विस्थापित) और वेनेज़ुएला (करीब 7 million प्रभावित)। शोध ने बताया कि जब पारंपरिक सर्वे और फील्ड डेटा जुटाना कठिन होता है, तब डिजिटल संकेत उपयोगी शुरुआती ट्रिगर दे सकते हैं।
टेकनीकी तुलना में टीम ने पाया कि सेंटिमेंट लेबल (positive, negative, neutral) इमोशन लेबल से अधिक भरोसेमंद थे, खासकर सीमा-पार आंदोलनों के समय और मात्रा की भविष्यवाणी में। pretrained language models, जो गहरे सीखने पर आधारित हैं, सबसे प्रभावी प्रारंभिक चेतावनी दे रहे थे।
मेहरेंस ने कहा कि यह विधि संघर्ष-आधारित परिदृश्यों में बेहतर काम कर रही थी और धीमी आर्थिक कठिनाइयों में कम कारगर रही। उन्होंने चेतावनी दी कि सोशल मीडिया विश्लेषण गलत अलार्म दे सकता है और इसलिए इसे आर्थिक संकेतकों और क्षेत्रीय रिपोर्टों के साथ मिलाकर गहन जांच के लिए प्रयोग करना चाहिए। अध्ययन ने आगे के काम के लिए स्वचालित अनुवाद, अधिक भाषाएँ और अन्य नेटवर्कों से डेटा जोड़ने की सलाह दी।
- अनुदान: National Science Foundation और Georgetown University का Massive Data Institute।
- स्रोत: University of Notre Dame।
कठिन शब्द
- विश्लेषण — डेटा या जानकारी को ध्यान से परखने की प्रक्रिया
- चेतावनी — आने वाले खतरे या समस्या का सूचित संदेश
- विस्थापित — जो लोग संघर्ष या आपदा से अपने घर छोड़ते हैं
- डिजिटल संकेत — ऑनलाइन गतिविधियों से मिलने वाली उपयोगी सूचना
- सेंटिमेंट लेबल — टेक्स्ट में भावनात्मक झुकाव का सरल वर्गीकरण
- इमोशन लेबल — लिखित संदेश में व्यक्त भावनाओं की पहचान
- सीमा-पार — एक देश से दूसरे देश के पार होने वाली घटना
- स्वचालित अनुवाद — कम्प्यूटर द्वारा बिना मानव मदद के भाषाओं का अनुवाद
युक्ति: जब आप किसी भी भाषा में कहानी पढ़ें या ऑडियो सुनें, तो लेख में हाइलाइट किए गए शब्दों पर होवर/फ़ोकस/टैप करें और तुरंत छोटी-सी परिभाषा देखें।
चर्चा के प्रश्न
- सोशल मीडिया से मिली शुरुआती चेतावनियाँ मानवीय एजेंसियों की प्रतिक्रिया कैसे प्रभावित कर सकती हैं? उदाहरण दें।
- क्यों सेंटिमेंट लेबल इमोशन लेबल से अधिक भरोसेमंद हो सकते हैं? अपने तर्क बताइए।
- स्वचालित अनुवाद और अधिक भाषाएँ जोड़ने से इस तरह के शोध में कौन से लाभ और चुनौतियाँ आ सकती हैं?
संबंधित लेख
AI-सक्षम पहनने योग्य उपकरण और टाइप 2 मधुमेह
यूनिवर्सिटी एट बुफ़ालो के शोधकर्ताओं ने NPJ Digital Medicine में प्रकाशित मेटा-रिव्यु में AI-सक्षम पहनने योग्य उपकरणों के टाइप 2 मधुमेह और प्रीडायबिटीज में संभावित लाभ और सीमाएँ जाँचीं। अध्ययन में सकारात्मक परिणाम और महत्वपूर्ण चुनौतियाँ दोनों मिले।
