V zadnjem desetletju se je število ljudi, ki so bili prisiljeni zapustiti svoj dom, skoraj podvojilo. Po podatkih Visokega komisariata Združenih narodov za begunce je leta 2024 razseljen vsak 67. človek na svetu. Gre za globalno humanitarno krizo, ki zahteva hitre in učinkovite odzive.
Raziskovalci opozarjajo, da je zbiranje podatkov na terenu med konflikti in naravnimi nesrečami pogosto težko ali nemogoče. Pomanjkanje pravočasnih informacij pa ovira dostavo humanitarne pomoči tistim, ki jo najbolj potrebujejo.
Nova študija, katere soavtor je Helge-Johannes Marahrens z Univerze Notre Dame, ponuja možnost izboljšanja sistemov zgodnjega obveščanja. Raziskava, objavljena v reviji EPJ Data Science, kaže, da analiza objav na družbenih omrežjih lahko napove, kdaj se bodo ljudje med krizami začeli premikati.
„Tradicionalne podatke, kot so ankete, je izjemno težko zbrati med krizami prisilnih migracij,“ je pojasnil Marahrens. Ob tem je poudaril, da lahko „umetna inteligenca in novi digitalni podatki pomagajo izboljšati sisteme zgodnjega opozarjanja“, so navedli. Po njegovih besedah lahko takšna orodja „okrepijo humanitarne odzive, rešijo življenja in zmanjšajo trpljenje“.
Študija je vključevala tri velike krizne primere:
– Ruska invazija na Ukrajino leta 2022, ki je razselila 10,6 milijona ljudi,
– državljanska vojna v Sudanu od aprila 2023 z več kot 12,8 milijona razseljenih,
– gospodarske krize v Venezueli, ki so dom zapustiti prisilile okoli 7 milijonov ljudi.
Raziskovalci so analizirali skoraj 2 milijona objav na platformi X (prej Twitter) v treh jezikih. Ugotovili so, da je razpoloženje v objavah – pozitivno, negativno ali nevtralno – boljši napovedni kazalnik selitev kot analiza posameznih čustev, kot sta jeza ali strah.
Posebej močna je bila zmožnost napovedovanja čezmejnih preselitev, zlasti v bolj dinamičnih kriznih okoljih, kot je Ukrajina. „Naše ugotovitve bodo raziskovalcem pomagale izboljšati modele za napovedovanje, kako se ljudje premikajo med konflikti ali nesrečami,“ je povedal Marahrens.
Prednosti in omejitve digitalnih signalov
Pri analizi so primerjali različne metode obdelave podatkov. Ugotovili so, da najučinkovitejše zgodnje opozorilo prispevajo vnaprej naučeni jezikovni modeli, ki uporabljajo globoko učenje. Ta tehnika omogoča računalnikom prepoznavanje vzorcev na podoben način, kot se uči človeški možgan.
Kljub napredku pa obstajajo omejitve. Marahrens je opozoril, da lahko analize sprožijo tudi lažne alarme. Zato so „najbolj dragocene kot zgodnji sprožilec za poglobljeno preiskavo“, so pojasnili. Pri tem ostajajo ključna dopolnitev tradicionalnih virov, kot so podatki z terena in ekonomski kazalniki.
V Venezueli so bili signali šibkejši. Gospodarska kriza napreduje počasneje in povzroča manj nenadnih selitvenih sunkov kot oboroženi konflikti.
Raziskovalci načrtujejo širitev dela na več jezikov in dodatna družbena omrežja. Po besedah Marahrensa bi lahko prihodnje raziskave podrobneje preučile stičišča med splošnim razpoloženjem in posameznimi čustvi ter pri tem uporabile tudi avtomatizirano prevajanje.
„Te izboljšave bi lahko skupaj okrepile ta orodja,“ je poudaril. Dodal je, da bodo s tem „bolj koristna za oblikovalce politik in humanitarne organizacije, ki delajo z razseljenimi osebami“, so izpostavili.
Marahrens se je Univerzi Notre Dame pridružil to jesen. Ukvarja se z raziskovanjem globalizacije in neenakosti, pri čemer uporablja metode računalniškega družboslovja. Povezan je z Inštitutom Pulte za globalni razvoj in Inštitutom Lucy Family za podatke in družbo, kjer sodeluje pri številnih raziskavah s humanitarnimi cilji.
Foto: Pixabay
