等级 B1 – 中级CEFR B1
3 分钟
158 字
研究发表在《EPJ Data Science》，目标是改进预测冲突和灾害中人们何时何地迁移的工具。研究团队检视了三个案例研究，并分析了近200万条、用三种语言在 X（前称 Twitter）上发布的帖文。
研究比较了帖文分析的方法，发现用情感标签（积极、消极或中性）比用具体情绪标签（喜悦、愤怒或恐惧）更能可靠预测迁移的时机和规模。团队还发现，预训练语言模型提供了最有效的早期预警，因为这些模型通过深度学习在大量文本上识别语言模式。
Marahrens 指出，社交媒体方法在冲突环境（如乌克兰）效果最好，在经济危机（如委内瑞拉）中表现较差。他提醒，这类分析可能产生误报，因此最有价值的是作为更深入调查的早期触发信号，并与经济和实地数据结合使用。
难词
- 社交媒体 — 人们在网上互动的地方。社交媒体分析, 社交媒体帖子
- 迁移 — 人们从一个地方移动到另一个地方。人们的迁移
- 情感 — 人们的感觉，像高兴或难过。情感与情绪
- 预测 — 根据信息猜测将来的事情。声量预测
- 深度学习 — 一种让计算机学习很多数据的技术。
- 误报 — 错误的警报或错误的信息。
提示：在文章中将鼠标悬停、聚焦或轻触高亮词语，即可在阅读或听音频时快速查看简要释义。
讨论问题
- 社交媒体分析在未来会有什么发展？
- 如何提高社交媒体分析的准确性？
- 在危机期间，社交媒体对人们的影响是什么？
