Rilevamento di eventi improvvisi basati sulla posizione e diffusione dell'informazione usando influencer su Twitter

Perché i sussurri online contano durante un’alluvione

Quando scoppia un disastro, oggi le persone afferrano il telefono tanto rapidamente quanto cercano un terreno più alto. I post su piattaforme come Twitter possono rivelare dove è necessario aiuto molto prima che i rapporti ufficiali si aggiornino. Questo studio mostra come interpretare con cura quei messaggi concitati e instradarli attraverso le voci fidate giuste possa trasformare il chiacchiericcio online sparso in un sistema di allerta precoce che salva vite durante crisi come le alluvioni in Assam del 2022 in India.

Trasformare i tweet in segnali di allerta precoce

I ricercatori si sono posti una domanda semplice ma urgente: è possibile usare Twitter per individuare eventi pericolosi in luoghi specifici e avvisare rapidamente le persone che devono saperlo? Si sono concentrati su un’alluvione reale in Assam, raccogliendo 20.000 tweet che menzionavano il disastro. Molti di questi post erano confusi, emotivi e non etichettati, proprio come la maggior parte di ciò che vediamo sui social. L’idea del team era setacciare automaticamente questo flusso, capire quali messaggi descrivevano davvero la crisi in corso e poi usare quell’informazione per avvisare le comunità vicine.

Insegnare ai computer a riconoscere il disagio nelle parole

Per separare le segnalazioni autentiche di disastro dal resto, gli autori hanno combinato due potenti strumenti di analisi testuale. Prima hanno usato un sistema di sentiment chiamato VADER in grado di valutare se un tweet suona fortemente negativo, neutro o positivo, in base alle parole e al tono usati. Messaggi fortemente negativi durante un’alluvione spesso segnalano danni, pericolo o necessità urgenti. Questi tweet etichettati sono stati poi trasformati in semplici pattern numerici e inseriti in una raccolta di modelli di apprendimento automatico, compreso un avanzato modello di linguaggio noto come BERT. Dopo attenti test, un insieme di modelli tradizionali che lavorano insieme ha leggermente superato l’approccio di deep learning, identificando correttamente i tweet relativi al disastro rispetto agli altri circa il 98% delle volte.

Trovare dove serve aiuto, non solo cosa è successo

Sapere che un tweet su un disastro è serio è solo metà della battaglia; i soccorritori devono anche sapere a quale luogo si riferisce. I dati di posizione sui social media spesso mancano o sono fuorvianti, sia perché gli utenti dimenticano di geotaggare i post sia perché sono in viaggio mentre parlano di un altro luogo. I ricercatori hanno affrontato questo estraendo indizi di localizzazione direttamente dal testo, come nomi di città o distretti, e associandoli a un database di codici postali. Hanno combinato questo con eventuali tag GPS disponibili, poi hanno ricontrollato tutto usando un motore di database. Questo abbinamento accurato ha prodotto una mappa più pulita di dove venivano segnalati i danni da alluvione attraverso l’Assam, fino a distretti e comunità specifiche.

Far veicolare il messaggio dalle voci fidate

Una volta ottenuta una mappa delle località in crisi, gli autori si sono rivolti alla rete sociale stessa. Hanno costruito un grafo di utenti Twitter connessi tramite reply e mention e poi hanno cercato le “comunità” naturali di persone che interagiscono spesso, spesso legate a luoghi condivisi. All’interno di ciascuna comunità hanno utilizzato una misura chiamata centralità armonica per individuare gli utenti che si trovano su molti dei percorsi più brevi tra gli altri. In termini semplici, sono persone i cui messaggi si diffondono rapidamente e capillarmente nel loro gruppo. Il sistema ha segnalato questi utenti altamente connessi come influencer che potrebbero essere contattati o monitorati per aiutare a diffondere allerte verificate sulle condizioni locali dell’alluvione.

Cosa significa per le persone sul territorio

In definitiva, lo studio propone un progetto per trasformare dati rumorosi dei social media in allerte mirate e sensibili alla posizione durante i disastri. Individuando automaticamente i tweet seri, assegnandoli a luoghi reali, raggruppando gli utenti vicini in comunità e identificando le voci più influenti in ciascun gruppo, il sistema può aiutare le agenzie di emergenza a raggiungere le persone giuste al momento giusto. Sebbene l’approccio dipenda ancora da un numero sufficiente di post contenenti indizi di localizzazione utilizzabili, dimostra come le nostre reazioni quotidiane online possano essere trasformate in una rete informale di sensori che rafforza la risposta precoce e, in ultima analisi, può salvare vite.

Citazione: 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

Parole chiave: allerta precoce per disastri, analisi dei social media, influencer su Twitter, mappatura delle crisi, apprendimento automatico