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
Thiết bị đeo có AI cho người tiểu đường: lợi ích và hạn chế
Một meta-review của University at Buffalo, công bố trên NPJ Digital Medicine, đánh giá thiết bị đeo kết hợp AI cho tiểu đường type 2 và tiền tiểu đường. Nghiên cứu nêu lợi ích về dự đoán đường huyết và cá nhân hóa, nhưng cũng chỉ ra nhiều hạn chế nghiên cứu và thực tiễn.
