社交媒体可为危机期间迁移提供早期预警 ^{CEFR B2}

研究发表在《EPJ Data Science》，旨在改进在冲突和灾害期间预测人口迁移的工具。研究团队检视了三个具体案例——乌克兰、苏丹和委内瑞拉——并分析了近200万条、用三种语言发布在 X（前称 Twitter）上的帖文，以检验数字数据在传统调查难以获得时是否能提供有价值信号。

比较多种方法后，研究发现用情感标签（积极、消极、中性）比用情绪标签（如喜悦、愤怒、恐惧）更能可靠地预测人们何时可能迁移，尤其在判断跨境流动的时机和规模方面效果明显。研究还指出，预训练语言模型最能作为早期预警工具，因为这些人工智能通过深度学习在大量文本中识别语言模式。

研究作者 Marahrens 表示，这种方法在冲突环境（例如乌克兰）表现最好，而在像委内瑞拉这样的长期经济危机中效果较差。他提醒社交媒体分析会导致误报，因此最有用的做法是将其作为触发更深入调查的信号，并与经济指标、实地报告等传统数据结合使用。研究还建议未来工作探讨情感与情绪的关系、使用自动翻译覆盖更多语言，以及纳入其他社交网络的数据。

该研究获得美国国家科学基金会和乔治城大学大数据研究所的资助。资料来源：圣母大学。