Nghiên cứu được đăng trên EPJ Data Science và tìm cách cải tiến công cụ dự đoán khi nào và ở đâu người dân sẽ di chuyển trong xung đột và thiên tai. Các nhà nghiên cứu phân tích gần 2 triệu bài đăng trên X bằng ba ngôn ngữ.
Họ so sánh các phương pháp phân tích và thấy nhãn cảm xúc tổng quát (tích cực, tiêu cực, trung tính) tin cậy hơn nhãn cảm xúc cụ thể. Các mô hình ngôn ngữ được huấn luyện trước hoạt động hiệu quả nhất. Phương pháp này hiệu quả hơn trong xung đột như Ukraine và kém hơn trong khủng hoảng kinh tế chậm như Venezuela. Nghiên cứu khuyên kết hợp dữ liệu truyền thống để giảm báo động sai. Nghiên cứu được tài trợ bởi National Science Foundation và Massive Data Institute.
Từ khó
- khủng hoảng — Thời kỳ khó khăn hoặc vấn đề lớn.
- phân tích — Xem xét chi tiết để hiểu rõ hơn.
- nghiên cứu — Tìm hiểu và khám phá thông tin mới.
- cảm xúc — Cảm nhận hoặc tâm trạng của con người.
- dự đoán — Nói trước điều gì sẽ xảy ra.
- thông tin — Dữ liệu hoặc kiến thức về cái gì.
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Bạn nghĩ sao về việc sử dụng mạng xã hội trong nghiên cứu xã hội?
- Nguyên nhân nào khiến mọi người phải rời khỏi nhà?
- Tại sao thông tin chính xác lại quan trọng trong khủng hoảng?
Bài viết liên quan
Trung Quốc ra chiến dịch xóa nội dung tiêu cực trên mạng
Cơ quan Quản lý Không gian Mạng Trung Quốc bắt đầu chiến dịch hai tháng từ ngày 22 tháng 9 để gỡ nội dung bị cho là kích động đối kháng, bạo lực và tâm lý tiêu cực. Trong tuần sau, bốn KOL nổi tiếng bị cấm và nhiều bài bị xóa.
