Nový výskum z University of Waterloo ukazuje, že rastúci skepticizmus voči očkovaniu na sociálnych sieťach dokáže včas upozorniť na riziko zdravotných kríz. V mnohých komunitách klesá zaočkovanosť v dôsledku dezinformácií. Aj preto choroby, ktoré sa podarilo kedysi eliminovať či dostať pod kontrolu, (napríklad osýpky), opäť pribúdajú. Výskum sa zameriaval na USA a Kanadu, ale aplikovať sa dá prakticky kdekoľvek. Ukázal, že sociálne siete tu zohrávajú významnú rolu.
„V prírode máme nákazlivé systémy, ako sú choroby,“ hovorí profesor aplikovanej matematiky Chris Bauch z University of Waterloo. „Rozhodli sme sa pozrieť na sociálnu dynamiku ako na ekologický systém a študovali sme, ako sa dezinformácie môžu nákazlivo šíriť z používateľa na používateľa prostredníctvom sociálnych médií,“ pokračoval.
Sociálne siete a dezinformácie
Tím vyvinul prístup založený na matematickom koncepte zlomového bodu. Čiže momentu, kedy sa systém náhle preklopí do nového stavu. „Nezáleží na tom, či ide o ľudské telo pri epileptickom záchvate, jazero premnožené riasami alebo stratu kolektívnej imunity v populácii,“ vysvetľuje Bauch. „Matematicky ide o spoločný mechanizmus,“ dodal.
Výskumníci natrénovali strojové učenie na rozpoznávanie signálov blížiaceho sa zlomového bodu v dátach zo sociálnych sietí. Metóda identifikuje skoré známky rastúceho skepticizmu voči vakcínam. Ide o varovanie, ktoré sa môže objaviť ešte predtým, než sa samotná choroba začne šíriť.
Test na dátach z Kalifornie
Na overenie prístupu vedci analyzovali desaťtisíce verejných príspevkov na platforme X (predtým Twitter). Zamerali sa na používateľov z Kalifornie tesne pred veľkou epidémiou osýpok v roku 2014. Tradičné postupy, napríklad jednoduché počítanie skeptických tweetov, poskytli len minimálny časový predstih.
„Obvyklé metódy predpovedania prepuknutia nákazy štatistickou analýzou skeptických tweetov neposkytujú veľa času pred vypuknutím nákazy,“ povedal Bauch. Vďaka teórii zlomových bodov sa ale vedcom podarilo získať výrazne väčší predstih. Dokázali efektívnejšie detegovať vzorce v dátach. Tím vedcov potvrdil správnosť metódy porovnaním vzorcov publikovania v Kalifornii s podobnými regiónmi. Pričom v podobných regiónoch sa v tom čase žiadne epidémie neobjavili.
Od textu k obrazu a videu
Hoci bola metóda najprv testovaná na sociálnej sieti X, výskumníci uvádzajú, že ju možno prispôsobiť aj pre TikTok či Instagram. Analýza obrazových a video materiálov by si však vyžadovala vyšší výpočtový výkon než spracovanie prevažne textového obsahu na platforme X.
Sociálne siete majú praktické využitie
Výskum je súčasťou úsilia University of Waterloo posilňovať rozhodovanie založené na dôkazoch a dôvere verejnosti vo vedu v rámci siete Societal Futures a iniciatívy TRuST. Táto združuje filozofov, informatikov, špecialistov na komunikáciu a odborníkov na etiku.
Ako dodal vedecký tím, cieľom je vytvoriť nástroj, ktorý umožní verejným zdravotným inštitúciam sledovať populácie s najvyšším rizikom preklopenia do epidemického stavu. „Aplikovaná matematika môže byť silným kvantitatívnym nástrojom na predpovedanie, monitorovanie a riešenie hrozieb pre verejné zdravie,“ uviedol záverom Bauch.
