Penelitian di EPJ Data Science mengevaluasi apakah analisis unggahan media sosial dapat menjadi peringatan dini yang berguna untuk pergerakan penduduk saat krisis. Tim menelaah tiga studi kasus besar — Ukraina, Sudan, dan Venezuela — dan hampir 2 juta unggahan di X (sebelumnya Twitter) dalam tiga bahasa. Studi ini bertujuan memperbaiki alat prediksi yang membantu badan kemanusiaan merespons lebih cepat ketika survei dan data lapangan sulit dikumpulkan.
Hasil utama menunjukkan label sentimen lebih andal daripada label emosi untuk meramalkan waktu dan volume pergerakan lintas batas. Model bahasa yang telah dilatih sebelumnya, yang menggunakan pembelajaran mendalam pada jumlah teks besar, memberi peringatan dini paling efektif. Metode ini bekerja lebih baik di situasi konflik cepat, seperti di Ukraina, dan kurang berhasil pada krisis ekonomi yang berkembang lebih lambat, seperti di Venezuela.
Para peneliti memperingatkan risiko alarm palsu dan menekankan bahwa analisis media sosial paling bernilai bila dipakai sebagai pemicu awal yang dikonfirmasi dengan data tradisional, misalnya indikator ekonomi dan laporan dari lapangan. Studi ini juga mengusulkan langkah kerja lanjut: eksplorasi hubungan antara sentimen dan emosi, penggunaan terjemahan otomatis untuk menjangkau lebih banyak bahasa, dan penambahan data dari jaringan media sosial lain.
- Sumber pendanaan termasuk National Science Foundation.
- Dana juga berasal dari Massive Data Institute, Georgetown University.
- Sumber penelitian: University of Notre Dame.
Kata-kata sulit
- evaluasi — menilai sesuatu secara sistematis untuk melihat hasilnyamengevaluasi
- peringatan dini — sinyal awal yang memberi tahu tentang kemungkinan bahaya
- pergerakan — perpindahan orang dari satu tempat ke tempat lain
- unggahan — konten yang diposting ke media sosial atau situs
- sentimen — perasaan atau sikap umum terhadap suatu topik
- pembelajaran mendalam — teknik kecerdasan buatan dengan jaringan saraf besar
- alarm palsu — sinyal bahaya yang ternyata tidak terjadi
- indikator ekonomi — angka atau data yang menunjukkan kondisi ekonomi
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Bagaimana badan kemanusiaan bisa menggabungkan analisis media sosial dengan data tradisional untuk merespons krisis? Berikan contoh langkah konkret.
- Apa keuntungan dan keterbatasan menggunakan model bahasa yang dilatih sebelumnya saat situasi krisis bergerak cepat? Jelaskan dengan alasan.
- Apa tantangan yang mungkin muncul jika peneliti menambahkan data dari jaringan media sosial lain dan menggunakan terjemahan otomatis?
Artikel terkait
Gerhana dan kekaguman meningkatkan keterikatan pada sains
Studi dari proyek sains partisipatif saat gerhana matahari total 2024 menemukan bahwa rasa kekaguman membuat orang lebih mengidentifikasi diri dengan sains dan merasa termasuk dalam komunitas ilmiah. Efek muncul setelah pengalaman singkat.
Kota Asia Atasi Kemacetan dengan Transportasi Bersih
Kemacetan di banyak kota Asia menaikkan polusi dan merugikan ekonomi. Beberapa kota, seperti New Delhi, Bangkok, Filipina, dan Jakarta, memperluas metro, menambah bus listrik, dan menerapkan kebijakan parkir untuk mengurangi lalu lintas.
Kecerdasan Buatan dan Ketimpangan Bahasa Online
Sebuah kajian menemukan banyak model bahasa besar berkinerja lebih baik dalam bahasa Inggris. Akibatnya, penutur bahasa lain sering mendapat keluaran yang kurang akurat atau tidak sesuai. Para ahli mendorong kerja sama dengan komunitas lokal dan validasi data multibahasa.