Crédito:CC0 Public Domain
Puede combinar el aprendizaje profundo (DL), un subcampo de la inteligencia artificial, con el análisis de redes sociales (SNA), hacer de las contribuciones de las redes sociales sobre los fenómenos meteorológicos extremos una herramienta útil para los gestores de crisis, socorristas y científicos gubernamentales? Un equipo interdisciplinario de investigadores de McGill ha llevado estas herramientas a la vanguardia en un esfuerzo por comprender y gestionar los fenómenos meteorológicos extremos.
Los investigadores encontraron que al usar un mecanismo de reducción de ruido, Se podría filtrar información valiosa de las redes sociales para evaluar mejor los puntos conflictivos y evaluar las reacciones de los usuarios frente a los fenómenos meteorológicos extremos. Los resultados del estudio se publican en el Journal of Contingencies and Crisis Management.
Sumergirse en un mar de información
"Redujimos el ruido al descubrir a quién se estaba escuchando, y que eran fuentes autorizadas, "explica Renee Sieber, Profesor asociado en el Departamento de Geografía de McGill y autor principal de este estudio. "Esta capacidad es importante porque es bastante difícil evaluar la validez de la información compartida por los usuarios de Twitter".
El equipo basó su estudio en datos de Twitter de las inundaciones de Nebraska en marzo de 2019 en los Estados Unidos, que causó más de $ 1 mil millones en daños y evacuaciones generalizadas de residentes. En total, más de 1, Se analizaron y clasificaron 200 tweets.
"El análisis de redes sociales puede identificar de dónde obtienen las personas su información durante un evento meteorológico extremo. El aprendizaje profundo nos permite comprender mejor el contenido de esta información al clasificar miles de tweets en categorías fijas, por ejemplo, 'daño de infraestructura y servicios públicos' o 'simpatía y apoyo emocional, '", dice Sieber. Luego, los investigadores introdujeron un modelo de clasificación DL de dos niveles, el primero en términos de integrar estos métodos de una manera que podría ser útil para los administradores de crisis.
El estudio destacó algunos problemas relacionados con el uso del análisis de redes sociales para este propósito, en particular, su incapacidad para notar que los eventos son mucho más contextuales de lo esperado por los conjuntos de datos etiquetados, como CrisisNLP, y la falta de un lenguaje universal para categorizar los términos relacionados con la gestión de crisis.
La exploración preliminar realizada por los investigadores también encontró que el llamado de una celebridad se destacó de manera prominente; este fue de hecho el caso de las inundaciones de Nebraska de 2019, donde un tweet del cantante pop Justin Timberlake fue compartido por una gran cantidad de usuarios, aunque no resultó útil para los gestores de crisis.
"Nuestros hallazgos nos dicen que el contenido de la información varía entre diferentes tipos de eventos, contrariamente a la creencia de que existe un lenguaje universal para categorizar la gestión de crisis; esto limita el uso de conjuntos de datos etiquetados en solo unos pocos tipos de eventos, ya que los términos de búsqueda pueden cambiar de un evento a otro ".
"La gran cantidad de datos de las redes sociales que el público aporta sobre el clima sugiere que puede proporcionar información crítica en situaciones de crisis, como tormentas de nieve, inundaciones y tormentas de hielo. Actualmente estamos explorando la posibilidad de transferir este modelo a diferentes tipos de crisis climáticas y abordar las deficiencias de los enfoques supervisados existentes al combinarlos con otros métodos. "dice Sieber.
"Utilizando el aprendizaje profundo y el análisis de redes sociales para comprender y gestionar las inundaciones extremas, "por Renee Sieber et al., fue publicado en el Revista de Contingencias y Gestión de Crisis .