Digitale Epidemiebekämpfung

Während der COVID-19-Pandemie und früherer Epidemien wie dem Ebola-Ausbruch von 2013 lieferten die sozialen Medien wertvolle Echtzeitdaten: Millionen von Tweets wurden gepostet - mit nützlichen Informationen zu Symptomen, Übertragungswegen und Präventionsmaßnahmen, aber auch mit irrelevanten oder irreführenden Inhalten. Doch wie lässt sich die Datenflut effizient nutzen? Eine aktuelle Studie des L3S zeigt, wie KI-gestützte Modelle aus Tausenden von Tweets relevante Inhalte filtern und zusammenfassen können, um durch einen vertrauenswürdigen Ansatz wichtige Erkenntnisse bereitzustellen.

Die in der Studie vorgestellte Methode nutzt moderne maschinelle Lernverfahren, um Tweets automatisch zu klassifizieren und prägnant zusammenzufassen. Im Fokus steht dabei nicht nur die Modellgenauigkeit, sondern auch die Interpretierbarkeit der Ergebnisse. Denn viele der aktuellen KI-Modelle agieren als Blackbox; Nutzer können nicht nachvollziehen, wie die KI zu ihren Entscheidungen kommt.

„Unser Modell extrahiert aus den Tweets Schlüsselinformationen, sogenannte Rationales, um seine Entscheidungen zu erklären“, sagt Thi Huyen Nguyen, Erstautorin der Studie. Darüber hinaus erfassen Rationales wesentliche Inhalte in Tweets. Rationales können zur Erstellung prägnanter Zusammenfassungen der Situation verwendet werden und sind daher besonders wertvoll für Entscheidungsträger, die umgehend auf veränderte Gegebenheiten reagieren müssen.

Die Ergebnisse der Studie sind vielversprechend: Das entwickelte Modell erreichte eine Klassifikationsgenauigkeit von 82 Prozent und übertraf damit herkömmliche Methoden. Darüber hinaus half die vorgeschlagene einfache, graphbasierte Ranking-Methode dabei, die wichtigsten Informationen herauszufiltern und Redundanz zu vermeiden. Die generierten kurzen Zusammenfassungen vermittelten ein umfassendes Bild der Lage während eines Krankheitsausbruchs.

Soziale Netzwerke sind also nicht nur ein Ort der Kommunikation, sondern auch eine wertvolle Datenquelle für das Krisenmanagement – vorausgesetzt, man verfügt über die richtigen Werkzeuge, um die Datenflut zu beherrschen.

Thi Huyen Nguyen, Marco Fisichella, Koustav Rudra: A Trustworthy Approach to Classify and Analyze Epidemic-Related Information From Microblogs. IEEE Trans. Comput. Soc. Syst. 11(5): 6229-6241 (2024) ieeexplore.ieee.org/abstract/document/10530086