كشف الأحداث المفاجئة المستندة إلى الموقع ونشر المعلومات باستخدام المؤثرين على تويتر

لماذا تهم الهمسات الإلكترونية أثناء الفيضان

عندما تضرب الكارثة، يلجأ الناس الآن إلى هواتفهم بسرعة كما يلجأون إلى الأماكن المرتفعة. المنشورات على منصات مثل تويتر يمكن أن تكشف عن أماكن الحاجة إلى المساعدة قبل أن تلحق بها التقارير الرسمية بوقت طويل. تُظهر هذه الدراسة كيف أن قراءة تلك الرسائل المذعورة بعناية، وتمريرها عبر الأصوات الموثوقة المناسبة، يمكن أن تحول الضجيج المتناثر على الإنترنت إلى نظام إنذار مبكر ينقذ الأرواح أثناء الأزمات مثل فيضانات أسام عام 2022 في الهند.

تحويل التغريدات إلى إشارات إنذار مبكر

سعى الباحثون للإجابة على سؤال بسيط لكنه عاجل: هل يمكن استخدام تويتر لرصد أحداث خطيرة في أماكن محددة وتنبيه الأشخاص الذين يحتاجون إلى المعرفة بسرعة؟ ركزوا على فيضان حقيقي في أسام، وجمعوا 20,000 تغريدة ذُكر فيها الكارثة. كانت العديد من هذه المنشورات فوضوية وعاطفية وغير معنونة، تمامًا كما هو الحال في معظم ما نراه على وسائل التواصل. كانت فكرة الفريق هي غربلة هذا التدفق تلقائيًا، وتحديد أي الرسائل تصف بالفعل الأزمة الجارية، ثم استخدام تلك المعلومات لتحذير المجتمعات المجاورة.

تعليم الحواسيب سماع النداء بالكلمات

للفصل بين تقارير الكوارث الحقيقية وكل ما عداها، جمع المؤلفون بين أداتين قويتين لتحليل النص. أولًا، استخدموا نظامًا لتقييم المشاعر يُدعى VADER يمكنه الحكم ما إذا كانت التغريدة تبدو سلبية بقوة أو حيادية أو إيجابية، اعتمادًا على الكلمات والنبرة المستخدمة. غالبًا ما تشير الرسائل السلبية القوية أثناء فيضان إلى أضرار أو خطر أو حاجة عاجلة. ثم حُولت هذه التغريدات المُعنونة إلى أنماط رقمية بسيطة وأُدخلت إلى مجموعة من نماذج تعلم الآلة، بما في ذلك نموذج لغوي متقدم يعرف باسم BERT. بعد اختبارات دقيقة، تفوّق تجميعي من النماذج التقليدية العاملة معًا قليلاً على نهج التعلم العميق، حيث ميزت التغريدات المتعلقة بالكوارث عن غيرها بشكل صحيح بحوالي 98 في المئة من الوقت.

إيجاد مكان الحاجة للمساعدة، وليس مجرد وصف الحادث

معرفة أن تغريدة عن كارثة خطيرة هي نصف المعركة فقط؛ على المستجيبين أيضًا معرفة أين تشير. غالبًا ما تكون بيانات الموقع على وسائل التواصل مفقودة أو مضللة، إما لأن المستخدمين ينسون وسم منشوراتهم أو لأنهم يتنقلون أثناء حديثهم عن مكان آخر. تعامل الباحثون مع هذا بإستخراج دلائل الموقع مباشرة من النص، مثل أسماء المدن والمناطق، ومطابقتها مع قاعدة بيانات الرموز البريدية. جمعوا ذلك مع أي وسم بنمط GPS وجد، ثم تحقّقوا من كل شيء باستخدام محرك قاعدة بيانات. أنتج هذا التطابق الدقيق خريطة أنظف للأماكن التي أُبلغ فيها عن أضرار الفيضانات عبر أسام، وصولًا إلى المقاطعات والمجتمعات المحددة.

ترك الرسالة للأصوات الموثوقة لتصل

بمجرد أن أصبح لديهم خريطة لمواقع الأزمة، اتجه المؤلفون إلى الشبكة الاجتماعية نفسها. بنوا رسمًا بيانيًا لمستخدمي تويتر مرتبطين بالردود والذكر، ثم بحثوا عن "مجتمعات" طبيعية من الأشخاص الذين يتفاعلون عن قرب، وغالبًا ما يرتبطون بأماكن مشتركة. داخل كل مجتمع، استخدموا مقياسًا يسمى المركزية التوافقية (harmonic centrality) للعثور على المستخدمين الذين يجري المرور عبرهم على العديد من أقصر المسارات بين الآخرين. بعبارة بسيطة، هؤلاء هم الأشخاص الذين تنتشر رسائلهم بسرعة وعلى نطاق واسع داخل مجموعتهم. أشارت المنظومة إلى هؤلاء المستخدمين ذوي الاتصال العالي كمؤثرين يمكن الاتصال بهم أو مراقبتهم للمساعدة في نشر تنبيهات موثوقة حول ظروف الفيضانات المحلية.

ماذا يعني هذا للأشخاص على الأرض

في النهاية، تقدم الدراسة مخططًا لتحويل بيانات وسائل التواصل الصاخبة إلى تحذيرات موجهة وواعية بالموقع أثناء الكوارث. من خلال اكتشاف التغريدات الجادة تلقائيًا، وتثبيتها في أماكن حقيقية، وتجميع المستخدمين القريبين في مجتمعات، وتحديد أبرز الأصوات المؤثرة في كل مجموعة، يمكن للنظام أن يساعد وكالات الطوارئ في الوصول إلى الأشخاص المناسبين في الوقت المناسب. وعلى الرغم من أن النهج لا يزال يعتمد على وجود عدد كافٍ من المنشورات التي تحتوي على دلائل موقع قابلة للاستخدام، فإنه يوضح كيف يمكن لتحركاتنا الإلكترونية اليومية أن تتحول إلى شبكة حسّاس غير رسمية تعزز الاستجابة المبكرة وقد تنقذ الأرواح في نهاية المطاف.

الاستشهاد: Manikandan, D., Valliyammai, C. Location based bursty event detection and information dissemination using influencers in Twitter. Sci Rep 16, 14631 (2026). https://doi.org/10.1038/s41598-026-44512-6

الكلمات المفتاحية: الإنذار المبكر للكوارث, تحليلات وسائل التواصل الاجتماعي, مؤثرو تويتر, رسم خرائط الأزمات, تعلم الآلة