Social media come allerta sui movimenti di popolazione ^{CEFR B2}

Ricercatori affermano che l'analisi dei post sui social media può offrire un allarme precoce sui movimenti di popolazione durante crisi, migliorando la risposta delle agenzie umanitarie. Lo studio, pubblicato su EPJ Data Science, ha analizzato quasi 2 milioni di post in tre lingue su X (ex Twitter) e ha confrontato diversi metodi per identificare segnali utili quando i dati sul campo sono scarsi o difficili da raccogliere.

I casi esaminati sono stati:

• Ucraina: 10.6 milioni di persone sono state sfollate dopo l'invasione russa del 2022.
• Sudan: circa 12.8 milioni di persone sono state sfollate dopo una guerra civile scoppiata nell'aprile 2023.
• Venezuela: circa 7 milioni di persone sono state sfollate negli ultimi anni a causa di più crisi economiche.

I ricercatori hanno scoperto che le etichette di sentiment (positive, negative, neutre) erano più affidabili delle etichette di emozione per prevedere la propensione a spostarsi, e che il sentiment era particolarmente utile per stimare tempo e volume degli spostamenti transfrontalieri. Inoltre, i modelli linguistici preaddestrati hanno fornito l'allerta precoce più efficace, perché sono addestrati su grandi quantità di testo e possono identificare schemi nel linguaggio.

Gli autori notano che il metodo ha funzionato meglio nei contesti di conflitto, come l'Ucraina, e meno bene in crisi economiche a sviluppo più lento, come il Venezuela. Avvertono del rischio di falsi allarmi e suggeriscono di usare l'analisi dei social come segnale iniziale da verificare con dati tradizionali. Per il lavoro futuro propongono di esplorare i legami tra sentiment ed emozione, usare la traduzione automatica per coprire più lingue e aggiungere dati da altre reti sociali. La ricerca ha ricevuto finanziamenti dalla National Science Foundation e dal Massive Data Institute della Georgetown University.