Pode combinar aprendizado profundo (DL) - um subcampo da inteligência artificial - com análise de rede social (SNA), fazer contribuições de mídia social sobre eventos climáticos extremos uma ferramenta útil para gerentes de crise, socorristas e cientistas do governo? Uma equipe interdisciplinar de pesquisadores da McGill trouxe essas ferramentas à vanguarda em um esforço para compreender e gerenciar eventos climáticos extremos.

Os pesquisadores descobriram que, usando um mecanismo de redução de ruído, informações valiosas podem ser filtradas das mídias sociais para avaliar melhor os pontos problemáticos e avaliar as reações dos usuários em relação a eventos climáticos extremos. Os resultados do estudo são publicados no Journal of Contingencies and Crisis Management.

Mergulhando em um mar de informações

"Reduzimos o ruído ao descobrir quem estava sendo ouvido, e quais eram as fontes oficiais, "explica Renee Sieber, Professor Associado do Departamento de Geografia da McGill e principal autor deste estudo. "Essa capacidade é importante porque é muito difícil avaliar a validade das informações compartilhadas pelos usuários do Twitter."

A equipe baseou seu estudo nos dados do Twitter das enchentes de março de 2019 em Nebraska, nos Estados Unidos, que causou mais de US $ 1 bilhão em danos e evacuações generalizadas de residentes. No total, mais de 1, 200 tweets foram analisados ​​e classificados.

"A análise de redes sociais pode identificar onde as pessoas obtêm suas informações durante um evento climático extremo. O aprendizado profundo nos permite entender melhor o conteúdo dessas informações, classificando milhares de tweets em categorias fixas, por exemplo, 'danos à infraestrutura e serviços públicos' ou 'simpatia e apoio emocional, '", diz Sieber. Os pesquisadores então introduziram um modelo de classificação DL de duas camadas - a primeira em termos de integração desses métodos de uma forma que poderia ser útil para gerentes de crise.

O estudo destacou algumas questões relacionadas ao uso de análise de mídia social para esse fim, notavelmente sua falha em observar que os eventos são muito mais contextuais do que o esperado por conjuntos de dados rotulados, como o CrisisNLP, e a falta de uma linguagem universal para categorizar os termos relacionados ao gerenciamento de crises.

A exploração preliminar realizada pelos pesquisadores também descobriu que a convocação de uma celebridade foi destaque - este foi realmente o caso das enchentes de Nebraska de 2019, onde um tweet do cantor pop Justin Timberlake foi compartilhado por um grande número de usuários, embora não tenha se mostrado útil para gerentes de crise.

"Nossas descobertas nos dizem que o conteúdo das informações varia entre diferentes tipos de eventos, contrário à crença de que existe uma linguagem universal para categorizar a gestão de crises; isso limita o uso de conjuntos de dados rotulados em apenas alguns tipos de eventos, pois os termos de pesquisa podem mudar de um evento para outro. "

"A grande quantidade de dados de mídia social que o público fornece sobre o clima sugere que ela pode fornecer informações críticas em crises, como tempestades de neve, inundações, e tempestades de gelo. No momento, estamos explorando a transferência deste modelo para diferentes tipos de crises climáticas e abordando as deficiências das abordagens supervisionadas existentes, combinando-as com outros métodos, "diz Sieber.

"Usando aprendizagem profunda e análise de rede social para entender e gerenciar inundações extremas, "por Renee Sieber et al., foi publicado no Jornal de Contingências e Gestão de Crises .