Nový výskum University of Waterloo ukazuje, že rastúca nedôvera vo vakcíny na sociálnych sieťach môže vopred signalizovať blížiace sa zdravotné problémy. V čase, keď sa v mnohých komunitách pod vplyvom dezinformácií oslabuje kolektívna imunita, predstavuje tento prístup možnosť získať cenný predstih pred ochoreniami, ktoré sa v minulosti podarilo potlačiť.
Autori štúdie zdôrazňujú, že dynamika šírenia dezinformácií pripomína prírodné javy. Profesor aplikovanej matematiky Chris Bauch vysvetľuje, že ide o podobný typ procesov, aké možno pozorovať v ekológii či medicíne. Zároveň dodáva, že sociálne siete dokážu fungovať ako prostredie, kde sa názory množia rovnako rýchlo ako infekčné ochorenia.
Matematika a zlomové body
Výskumný tím vyvinul analytický postup založený na koncepte zlomového bodu. Ide o moment, keď sa systém náhle zmení na iný stav, napríklad keď populácia stratí dostatočnú imunitu. Pomocou strojového učenia vedci vyhľadávali v dátach zo sociálnych sietí signály, ktoré naznačujú, že skepticizmus voči očkovaniu sa blíži k takémuto kritickému prahu. Metóda podľa nich dokáže upozorniť na riziko skôr, než začne choroba skutočne cirkulovať.
Model bol trénovaný na veľkých súboroch dát, pričom cieľom bolo zachytiť jemné zmeny v správaní používateľov. Výsledkom je nástroj, ktorý odhaľuje unikajúce vzorce v konverzáciách a upozorňuje na to, keď sa spoločenské prostredie môže prehupnúť do nestability.
Skúška na dátach z Kalifornie
Teória bola otestovaná na desaťtisícoch verejných príspevkov z platformy X, ktoré publikovali používatelia z Kalifornie pred epidémiou osýpok v roku 2014. Tradičné postupy založené na jednoduchom počítaní skeptických komentárov prinášali iba obmedzený čas na prípravu. Metóda zlomových bodov však poskytla výrazne dlhší predstih a presnejšie upozornila na rastúci odpor voči vakcinácii.
Vedci následne porovnali správanie používateľov z Kalifornie s regiónmi, kde sa v rovnakom období žiadne epidémie neobjavili. Podobné vzorce tu nenašli, čo podľa nich potvrdzuje správnosť novej analytickej techniky.
Od textu k vizuálnemu obsahu
Hoci sa štúdia sústredila najmä na platformu X, tím uvádza, že rovnaký prístup možno prispôsobiť aj sieťam zameraným na vizuálny obsah. Pri službách ako TikTok alebo Instagram by však bolo potrebné výrazne vyššie množstvo výpočtového výkonu, keďže analýza obrázkov a videí je náročnejšia než spracovanie textu.
Projekt vznikol v rámci iniciatív Societal Futures a TRuST, ktoré na University of Waterloo prepájajú odborníkov z viacerých odborov. Ambíciou je vytvoriť nástroj pre verejné zdravotníctvo, ktorý umožní sledovať komunity s najvyšším rizikom prechodu do epidemickej situácie. Podľa Ba ucha môže práve aplikovaná matematika priniesť presné dáta potrebné na rýchle a informované rozhodovanie.
