Bagaimana Twitter Memberi Para saintis Tetingkap Ke Bahagia Dan Kesihatan Manusia

Bagaimana Twitter Memberi Para saintis Tetingkap Ke Bahagia Dan Kesihatan Manusia

Sejak pelancarannya pada 10 tahun lalu, Twitter telah digunakan sebagai platform rangkaian sosial di kalangan rakan-rakan, perkhidmatan pesanan ringkas untuk pengguna telefon pintar dan alat promosi untuk syarikat dan ahli politik.

Tetapi ia juga merupakan sumber data yang tidak ternilai bagi penyelidik dan saintis - seperti saya sendiri - yang ingin mengkaji bagaimana manusia merasa dan berfungsi dalam sistem sosial yang rumit.

Dengan menganalisis tweet, kami dapat melihat dan mengumpul data mengenai interaksi sosial berjuta-juta orang "di alam liar," di luar eksperimen makmal terkawal.

Ia membolehkan kami untuk membangunkan alat untuk memantau emosi kolektif populasi besar, Cari tempat paling bahagia di Amerika Syarikat dan banyak lagi.

Jadi, bagaimanakah Twitter menjadi sumber yang unik untuk saintis sosial pengkomputeran? Dan apa yang telah membolehkan kami menemui?

Hadiah terbesar Twitter kepada penyelidik

Pada Julai 15, 2006, Twittr (seperti yang diketahui kemudian) secara terbuka dilancarkan sebagai "perkhidmatan mudah alih yang membantu kumpulan kawan melantun pemikiran secara rawak dengan SMS." Keupayaan untuk menghantar teks kumpulan 140-aksara percuma mendorong banyak pengguna awal (termasuk saya sendiri) untuk menggunakan platform.

Dengan masa, bilangan pengguna meletup: daripada 20 juta dalam 2009 hingga 200 juta dalam 2012 dan 310 juta hari ini. Daripada berkomunikasi secara langsung dengan rakan-rakan, pengguna hanya akan memberitahu pengikutnya bagaimana perasaan mereka, bertindak balas terhadap berita secara positif atau negatif, atau jenaka retak.

Bagi para penyelidik, hadiah terbesar Twitter adalah penyediaan data terbuka yang besar. Twitter adalah salah satu daripada rangkaian sosial utama pertama yang menyediakan sampel data melalui sesuatu yang disebut Interface Programming Application (API), yang membolehkan para penyelidik menanyakan Twitter untuk jenis tweet tertentu (mis., Tweet yang mengandungi kata-kata tertentu), serta maklumat pengguna .

Ini membawa kepada letupan projek penyelidikan yang mengeksploitasi data ini. Hari ini, pencarian Google Scholar untuk "Twitter" menghasilkan enam juta hits, berbanding dengan lima juta untuk "Facebook." Perbezaannya sangat menarik memandangkan Facebook mempunyai kira-kira lima kali lebih banyak pengguna sebagai Twitter (dan dua tahun lebih tua).

Dasar data Twitter yang baik sekali lagi membawa kepada beberapa publisiti percuma yang sangat baik untuk syarikat itu, kerana kajian saintifik menarik diperoleh oleh media arus perdana.


 Dapatkan Yang Terbaru Dengan E-mel

Majalah Mingguan Inspirasi harian

Mempelajari kebahagiaan dan kesihatan

Dengan data banci tradisional yang lambat dan mahal untuk dikumpulkan, suapan data terbuka seperti Twitter berpotensi untuk menyediakan tetingkap masa nyata untuk melihat perubahan dalam populasi yang besar.

Universiti Vermont Makmal Cerita Komputasi telah diasaskan dalam 2006 dan kajian masalah di seluruh matematik, sosiologi dan fizik yang digunakan. Sejak 2008, Makmal Story telah mengumpul berbilion tweet menerusi suapan "Gardenhose" Twitter, sebuah API yang menyalurkan sampel rawak 10 peratus daripada semua tweet awam secara real time.

Saya menghabiskan masa tiga tahun di Lab Computational Story dan bernasib baik untuk menjadi sebahagian daripada banyak kajian menarik menggunakan data ini. Sebagai contoh, kami membangunkan a hedonometer yang mengukur kebahagiaan Twittersphere dalam masa nyata. Dengan memberi tumpuan kepada tweets geolocated yang dihantar dari telefon pintar, kami dapat peta tempat paling bahagia di Amerika Syarikat. Mungkin tidak mengejutkan, kami dapati Hawaii menjadi negeri paling bahagia dan berkembang wain Napa bandar paling bahagia untuk 2013. 

Satu peta 13 juta tweet AS geolocated dari 2013, berwarna dengan kebahagiaan, dengan kebahagiaan merah menunjukkan dan kesedihan biru menunjukkan. PLOS ONE, Pengarang disediakanSatu peta 13 juta tweet AS geolocated dari 2013, berwarna dengan kebahagiaan, dengan kebahagiaan merah menunjukkan dan kesedihan biru menunjukkan. PLoS ONE, Pengarang disediakan.Kajian-kajian ini mempunyai aplikasi yang lebih mendalam: Korelasi penggunaan perkataan Twitter dengan demografi membantu kami memahami corak sosioekonomi yang mendasari di bandar-bandar. Sebagai contoh, kita boleh menghubungkan penggunaan kata dengan faktor kesihatan seperti obesiti, jadi kami membina sebuah lexicocalorimeter untuk mengukur "kandungan kalori" jawatan media sosial. Tweets dari rantau tertentu yang menyebutkan makanan berkalori tinggi meningkatkan "kandungan kalori" rantau itu, sementara tweet yang menyebutkan aktiviti senaman menurunkan metrik kami. Kami mendapati bahawa langkah mudah ini berkorelasi dengan metrik kesihatan dan kesejahteraan yang lain. Dalam erti kata lain, tweet dapat memberi kita gambaran, pada masa tertentu dalam masa, kesihatan keseluruhan bandar atau rantau.

Menggunakan kekayaan data Twitter, kami juga mampu lihat corak pergerakan harian manusia dalam terperinci yang belum pernah terjadi sebelumnya. Memahami corak mobiliti manusia, pada gilirannya, mempunyai kapasiti untuk mengubah pemodelan penyakit, membuka bidang baru epidemiologi digital.

Untuk kajian lain, kami melihat sama ada pelancong menampakkan kebahagiaan yang lebih besar di Twitter daripada mereka yang tinggal di rumah (jawapan: mereka lakukan) dan jika individu bahagia cenderung untuk bersatu dalam rangkaian sosial (sekali lagi, mereka lakukan). Malah, Positif kelihatan dipanggang ke dalam bahasa itu sendiri, dalam erti kata bahawa kita mempunyai lebih banyak kata positif daripada kata-kata negatif. Ini bukan hanya di Twitter tetapi di dalam pelbagai media (contohnya, buku, filem dan surat khabar) dan bahasa.

Kajian-kajian ini - dan beribu-ribu orang lain seperti mereka dari seluruh dunia - hanya mungkin terima kasih kepada Twitter.

Tahun 10 akan datang

Jadi apa yang boleh kita harapkan untuk belajar dari Twitter sepanjang tahun 10 seterusnya?

Beberapa kerja yang paling menarik kini melibatkan penyambungan data media sosial dengan model matematik untuk meramalkan fenomena tahap penduduk seperti wabak penyakit. Penyelidik telah mempunyai beberapa kejayaan dalam menambah model penyakit dengan data Twitter untuk meramalkan influenza, terutamanya FluOutlook platform yang dibangunkan oleh Northeastern University dan Institut Pertukaran Saintifik.

Masih terdapat banyak cabaran. Data media sosial menderita "nisbah isyarat-ke-bunyi" yang sangat rendah. Dalam erti kata lain, tweet yang berkaitan dengan kajian tertentu sering ditenggelamkan oleh "bising" yang tidak relevan.

Oleh itu, kita mesti terus menyedari apa yang telah digelar "hubris data besar"Apabila membangunkan kaedah baru dan tidak terlalu yakin terhadap keputusan kami. Berhubung dengan ini harus menjadi matlamat untuk menghasilkan ramalan "kotak kaca" yang ditafsirkan dari data ini (yang bertentangan dengan ramalan "hitam kotak", di mana algoritma tersembunyi atau tidak jelas).

Data media sosial sering (agak) dikritik kerana menjadi kecil, sampel tidak mewakili daripada penduduk yang lebih luas. Salah satu cabaran utama bagi para penyelidik adalah mencari tahu cara menyumbang data miring seperti dalam model statistik. Sementara itu lebih banyak orang menggunakan media sosial setiap tahun, kita mesti terus cuba memahami pemikiran dalam data ini. Sebagai contoh, data masih cenderung terlalu menggambarkan individu yang lebih muda dengan mengorbankan populasi yang lebih tua.

Hanya selepas membangunkan kaedah pembetulan bias yang lebih baik, penyelidik dapat membuat ramalan yakin sepenuhnya daripada tweet.

Tentang Pengarang

Lewis Mitchell, Pensyarah dalam Matematik Gunaan, University of Adelaide

Artikel ini pada asalnya diterbitkan pada Perbualan. Membaca artikel asal.

Buku-buku yang berkaitan

at InnerSelf Market dan Amazon

 

Artikel Lebih Banyak Daripada Pengarang Ini

Awak juga mungkin menyukai

ikuti InnerSelf pada

ikon facebookikon twitterikon youtubeikon instagramikon pintrestrss icon

 Dapatkan Yang Terbaru Dengan E-mel

Majalah Mingguan Inspirasi harian

BAHASA TERSEDIA

enafarzh-CNzh-TWdanltlfifrdeeliwhihuiditjakomsnofaplptroruesswsvthtrukurvi

READ PALING

mangkuk yang telah dibina semula dan "sembuh" dengan kintsugi
Peta Kesedihan: Kintsugi Membawa Anda kepada Cahaya Selepas Kehilangan
by Ashley Davis Bush, LCSW
Membaiki seramik yang pecah dengan gam emas dikenali sebagai Kintsugi. Dengan menyerlahkan patah tulang, kami…
bagaimana gosip boleh membantu 7 14
Bagaimana Gosip Boleh Membantu Kerja dan Kehidupan Sosial Anda
by Kathryn Waddington, Universiti Westminster
Gossip mendapat rap yang buruk - daripada tabloid yang penuh dengan gosip selebriti yang cabul, kepada yang berkelakuan buruk…
mati dalam kebahagiaan 7 14
Ya Anda Benar-benar Boleh Mati dalam Kesedihan atau Kegembiraan
by Adam Taylor, Universiti Lancaster
Mati kerana patah hati hanyalah kiasan sehingga 2002 apabila Dr Hikaru Sato dan rakan-rakan…
Manusia duduk di atas pasir di bahagian atas jam pasir
Masa, Pilihan dan Ketagihan Masa Jam
by Catherine Shainberg
Aduan terbesar kami hari ini ialah kami tidak mempunyai masa untuk apa-apa. Tiada masa untuk anak-anak kita,…
lelaki muda yang duduk di landasan kereta api melihat gambar dalam kameranya
Jangan Takut Untuk Melihat Lebih Dalam Pada Diri Anda
by Ora Nadrich
Kami biasanya tidak datang ke masa sekarang tanpa fikiran dan kebimbangan. Dan kami tidak mengembara…
Matahari bersinar menerangi; separuh lagi gambar berada dalam kegelapan.
Mereka Membuat Perbezaan! Niat, Visualisasi, Meditasi, dan Doa
by Nicolya Christi
Bagaimanakah sistem yang berakar kuat dalam dualiti dan pemisahan boleh diubah secara positif? Untuk meletakkannya…
faedah bersosial 7 10
Inilah yang Memberi Orang Dewasa Lebih Bermaksud
by Brandie Jefferson, Universiti Washington di St. Louis
Orang dewasa yang lebih tua dengan tujuan yang lebih tinggi menjalani kehidupan yang lebih lama, lebih sihat dan lebih bahagia—dan mempunyai…
gelombang haba kesihatan mental 7 12
Mengapa Gelombang Panas Memburukkan Kesihatan Mental
by Laurence Wainwright, Universiti Oxford dan Eileen Neumann, Universiti Zurich
Gelombang haba telah dikaitkan dengan peningkatan gejala kemurungan dan gejala kebimbangan

Sikap baru - Kemungkinan Baru

InnerSelf.comIklimImpactNews.com | InnerPower.net
MightyNatural.com | WholisticPolitics.com | InnerSelf Market
Copyright © 1985 - 2021 lahirnya Penerbitan. Hak cipta terpelihara.