Wykrywanie miejscowych nagłych zdarzeń i rozpowszechnianie informacji za pomocą influencerów na Twitterze

Dlaczego internetowe szepty mają znaczenie podczas powodzi

Kiedy nadejdzie katastrofa, ludzie sięgają po telefony równie szybko jak po wyższy grunt. Posty na platformach takich jak Twitter potrafią ujawnić, gdzie potrzebna jest pomoc, na długo przed oficjalnymi raportami. Badanie to pokazuje, jak uważna analiza tych rozpaczliwych wiadomości i przekazywanie ich przez odpowiednie, zaufane głosy może przekształcić rozproszone internetowe rozmowy w system wczesnego ostrzegania ratujący życie podczas kryzysów, takich jak powodzie w Assam w Indiach w 2022 roku.

Przekształcanie tweetów w sygnały wczesnego ostrzegania

Naukowcy postawili sobie proste, ale pilne pytanie: czy Twitter można wykorzystać do wykrywania niebezpiecznych zdarzeń w konkretnych miejscach i szybkiego informowania osób, które powinny o tym wiedzieć? Skoncentrowali się na rzeczywistej powodzi w Assam, zbierając 20 000 tweetów wspominających o tej katastrofie. Wiele z tych wpisów było chaotycznych, pełnych emocji i nieoznakowanych, podobnie jak większość treści w mediach społecznościowych. Pomysł zespołu polegał na automatycznym przesiewaniu tego strumienia, rozpoznawaniu, które wiadomości rzeczywiście opisują rozwijający się kryzys, a następnie wykorzystaniu tych informacji do ostrzegania pobliskich społeczności.

Nauczanie komputerów rozpoznawania alarmu w słowach

Aby odróżnić autentyczne raporty o katastrofie od pozostałych wpisów, autorzy połączyli dwa zaawansowane narzędzia analizy tekstu. Najpierw użyli systemu sentymentu o nazwie VADER, który potrafi ocenić, czy tweet brzmi zdecydowanie negatywnie, neutralnie czy pozytywnie, na podstawie użytych słów i tonu. Silnie negatywne wiadomości podczas powodzi często sygnalizują szkody, niebezpieczeństwo lub pilną potrzebę. Tak oznaczone tweety zamieniono następnie na proste wzorce numeryczne i podano do zbioru modeli uczenia maszynowego, w tym zaawansowanego modelu językowego znanego jako BERT. Po starannych testach zespół stwierdził, że zestaw tradycyjnych modeli działających wspólnie nieznacznie przewyższa podejście głębokiego uczenia, poprawnie rozróżniając tweety związane z katastrofą od innych w około 98 procent przypadków.

Ustalanie miejsca, gdzie potrzebna jest pomoc — nie tylko co się stało

Wiedza, że tweet dotyczy poważnego zdarzenia, to tylko połowa sukcesu; ratownicy muszą także wiedzieć, czego on dotyczy lokalnie. Dane lokalizacyjne w mediach społecznościowych często są nieobecne lub mylące, bo użytkownicy zapominają oznaczyć swoje wpisy albo podróżują, pisząc o innym miejscu. Naukowcy poradzili sobie z tym, wydobywając wskazówki lokalizacyjne bezpośrednio z tekstu, takie jak nazwy miast i dystryktów, i dopasowując je do bazy kodów pocztowych. Połączyli to z istniejącymi znacznikami GPS, a następnie skontrolowali wszystko przy pomocy silnika bazy danych. To staranne dopasowanie wygenerowało czyściejszą mapę miejsc, gdzie zgłaszano szkody powodziowe w Assam, aż do konkretnych dystryktów i społeczności.

Pozwolenie zaufanym głosom na niesienie przekazu

Kiedy uzyskali mapę lokalizacji kryzysu, autorzy zwrócili się ku samej sieci społecznej. Zbudowali graf użytkowników Twittera połączonych odpowiedziami i wzmiankami, a następnie szukali naturalnych „społeczności” osób, które wchodzą ze sobą w bliski kontakt, często powiązanych z konkretnymi miejscami. W ramach każdej społeczności wykorzystali miarę zwaną harmoniczną centralnością, aby znaleźć użytkowników leżących na wielu najkrótszych ścieżkach między innymi. Mówiąc prościej, są to osoby, których wiadomości rozprzestrzeniają się szybko i szeroko w ich grupie. System oznaczał tych wysoko połączonych użytkowników jako influencerów, których można kontaktować lub obserwować, aby pomogli rozpowszechniać zweryfikowane ostrzeżenia o lokalnych warunkach powodziowych.

Co to oznacza dla ludzi w terenie

Ostatecznie badanie dostarcza plan działania, jak przekształcić hałaśliwe dane z mediów społecznościowych w ukierunkowane ostrzeżenia z uwzględnieniem lokalizacji podczas katastrof. Dzięki automatycznemu wykrywaniu poważnych tweetów, przypisywaniu ich do rzeczywistych miejsc, grupowaniu pobliskich użytkowników w społeczności oraz identyfikowaniu najbardziej wpływowych głosów w każdej grupie, system może pomóc służbom ratunkowym dotrzeć do właściwych osób we właściwym czasie. Chociaż podejście nadal zależy od wystarczającej liczby postów zawierających użyteczne wskazówki lokalizacyjne, pokazuje, jak nasze codzienne reakcje online mogą zostać przekształcone w nieformalną sieć czujników, która wzmacnia wczesną reakcję i w efekcie może ratować ludzkie życie.

Cytowanie: 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

Słowa kluczowe: wczesne ostrzeganie przed katastrofami, analiza mediów społecznościowych, influencerzy na Twitterze, mapowanie kryzysów, uczenie maszynowe