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
Peralihan Cepat ke Pembelajaran Daring dan Dampaknya pada Mahasiswa China
Studi tentang peralihan mendadak ke pembelajaran daring selama lockdown COVID-19 2020 di China membandingkan nilai mahasiswa sebelum dan selama lockdown. Hasil: nilai matematika naik, mata diskusi kurang untung, dan kebijakan lockdown memengaruhi hasil belajar.
Web3 dan kendali data bagi petani
Forum ICTforAg (9-10 Maret) membahas bagaimana teknologi informasi dan Web3 bisa memberi petani lebih banyak kendali atas data mereka. Digital Green dan alat seperti FarmStack ditonjolkan, serta layanan video yang menjangkau petani di beberapa negara.
Kekerasan Digital terhadap Jurnalis dan Aktivis Perempuan
Kekerasan digital terhadap jurnalis dan aktivis perempuan di Indonesia semakin terlihat dalam lima tahun terakhir. Serangan online meliputi doxing, manipulasi foto, peretasan dan DDoS; korban melaporkan perlindungan kelembagaan yang terbatas.
Perjalanan Sofa9a: migrasi dari Venezuela ke Kolombia
Sofa9a (nama samaran) menceritakan migrasinya dari Venezuela ke Saravena, Arauca pada 13 Januari 2021. Cerita ini menjelaskan kesulitan kesehatan, pekerjaan, izin perlindungan, diskriminasi, dan dukungan yang mereka alami hingga kembali ke Venezuela awal 2023.
