Hvordan Twitter giver forskere et vindue i menneskelig lykke og sundhed

Hvordan Twitter giver forskere et vindue i menneskelig lykke og sundhed

Siden sin offentlige lancering for 10 år siden er Twitter blevet brugt som en social netværksplatform blandt venner, en instant messaging-tjeneste til smartphone-brugere og et salgsfremmende værktøj til virksomheder og politikere.

Men det har også været en uvurderlig kilde til data for forskere og forskere - som mig selv - der ønsker at undersøge, hvordan mennesker føler og fungerer inden for komplekse sociale systemer.

Ved at analysere tweets har vi været i stand til at observere og indsamle data om de sociale interaktioner mellem millioner af mennesker "i naturen" uden for kontrollerede laboratorieeksperimenter.

Det har gjort det muligt for os at udvikle værktøjer til overvågning af kollektive følelser fra store befolkninger, Find lykkeligste steder i USA og meget mere.

Så hvordan blev Twitter nøjagtigt en så unik ressource for beregningsmæssige samfundsvidenskabere? Og hvad har det tilladt os at opdage?

Twitters største gave til forskere

Den 15. juli 2006 Twittr (som det da blev kendt) offentligt lanceret som en "mobiltjeneste, der hjælper vennegrupper med at sprænge tilfældige tanker rundt med SMS." Evnen til at sende gratis 140-tegn gruppetekster kørte mange tidlige adoptere (inklusive mig selv) til at bruge platformen.

Med tiden antallet af brugere eksploderede: fra 20 millioner i 2009 til 200 millioner i 2012 og 310 millioner i dag. I stedet for at kommunikere direkte med venner, ville brugerne simpelthen fortælle deres tilhængere, hvordan de følte, svare positivt eller negativt på nyheder eller knække vittigheder.

For forskere har Twitters største gave været levering af store mængder åbne data. Twitter var et af de første store sociale netværk, der leverede dataprøver gennem noget, der kaldes API'er (Application Programming Interfaces), som gør det muligt for forskere at forespørge på Twitter efter specifikke typer tweets (f.eks. Tweets, der indeholder bestemte ord) samt oplysninger om brugere .

Dette førte til en eksplosion af forskningsprojekter, der udnyttede disse data. I dag producerer en Google Scholar-søgning efter "Twitter" seks millioner hits sammenlignet med fem millioner efter "Facebook". Forskellen er især slående, da Facebook har nogenlunde fem gange så mange brugere som Twitter (og er to år ældre).

Twitters generøse datapolitik førte utvivlsomt til nogle fremragende gratis omtale for virksomheden, da interessante videnskabelige undersøgelser blev hentet af de almindelige medier.


 Få det nyeste via e-mail

Ugeblad Daglig inspiration

Studerer lykke og sundhed

Med traditionelle folketællingsdata langsomme og dyre at indsamle, har åbne datafeeds som Twitter potentialet til at give et realtidsvindue for at se ændringer i store befolkninger.

University of Vermont's Computational Story Lab blev grundlagt i 2006 og studerer problemer på tværs af anvendt matematik, sociologi og fysik. Siden 2008 har Story Lab indsamlet milliarder af tweets gennem Twitters "Gardenhose" -feed, en API, der streamer en tilfældig prøve på 10 procent af alle offentlige tweets i realtid.

Jeg tilbragte tre år på Computational Story Lab og var heldig at være en del af mange interessante undersøgelser, der bruger disse data. For eksempel udviklede vi en hedonometer der måler Twittersphere's lykke i realtid. Ved at fokusere på geolokaliserede tweets sendt fra smartphones kunne vi kort de lykkeligste steder i USA. Måske overraskende fandt vi det Hawaii for at være den lykkeligste stat og vinafgrødende Napa for den lykkeligste by for 2013. 

Et kort over 13 millioner geolokaliserede amerikanske tweets fra 2013, farvet af lykke, med rødt, der angiver lykke og blå indikerer tristhed. PLOS ONE, forudsat forfatterEt kort over 13 millioner geolokaliserede amerikanske tweets fra 2013, farvet af lykke, med rødt, der angiver lykke og blå indikerer tristhed. PLoS ONE, Forfatter forudsat.Disse undersøgelser havde dybere anvendelser: Korrelering af brugen af ​​Twitter-ord med demografi hjalp os med at forstå underliggende socioøkonomiske mønstre i byer. For eksempel kunne vi forbinde ordbrug med sundhedsfaktorer som fedme, så vi byggede en leksikokalorimeter at måle det ”kalorieindhold” i indlæg på sociale medier. Tweets fra en bestemt region, der nævnte mad med højt kalorieindhold, øgede "kalorieindholdet" i denne region, mens tweets, der nævnte træningsaktiviteter, mindskede vores måling. Vi fandt ud af, at denne enkle foranstaltning korrelerer med andre sundheds- og trivselsmålinger. Med andre ord var tweets i stand til at give os et øjebliksbillede på et bestemt tidspunkt i tiden af ​​den generelle sundhed i en by eller en region.

Brug af rigdom af Twitter-data har vi også været i stand til se folks daglige bevægelsesmønstre i hidtil uset detaljer. At forstå menneskelige mobilitetsmønstre har til gengæld kapacitet til at transformere sygdomsmodellering og åbne det nye felt for digital epidemiologi.

For andre undersøgelser undersøgte vi, om rejsende udtrykker større lykke på Twitter end dem, der bliver hjemme (svar: de gør det) og hvis glade individer har tendens til at holde sammen i et socialt netværk (igen, det gør de). Ja, positivitet ser ud til at være bagt ind i selve sprogeti den forstand, at vi har flere positive ord end negative ord. Dette var ikke tilfældet bare på Twitter, men på tværs af en række forskellige medier (f.eks. Bøger, film og aviser) og sprog.

Disse undersøgelser - og tusinder af andre som dem fra hele verden - var kun mulige takket være Twitter.

De næste 10 år

Så hvad kan vi forvente at lære af Twitter i løbet af de næste 10 år?

Nogle af de mest spændende arbejder involverer i øjeblikket at forbinde sociale mediedata med matematiske modeller for at forudsige fænomener på befolkningsniveau såsom sygdomsudbrud. Forskere har allerede haft en vis succes med at udvide sygdomsmodeller med Twitter-data for at forudsige influenza, især FluOutlook platform udviklet af Northeastern University og Institute for Scientific Interchange.

Der er stadig en række udfordringer. Sociale mediedata lider under et meget lavt "signal-støj-forhold". Med andre ord druknes tweets, der er relevante for en bestemt undersøgelse, ofte af irrelevant "støj".

Derfor skal vi hele tiden være opmærksomme på, hvad der er blevet kaldt “big data -hybris”Når du udvikler nye metoder og ikke er overbevisende om vores resultater. Forbundet med dette skal målet være at producere fortolkelige "glass-box" forudsigelser fra disse data (i modsætning til "black-box" forudsigelser, hvor algoritmen er skjult eller ikke klar).

Data fra sociale medier kritiseres ofte (ret) for at være små, ikke-repræsentativ prøve af den bredere befolkning. En af de største udfordringer for forskere er at finde ud af, hvordan man tager højde for sådanne skæve data i statistiske modeller. Mens flere mennesker bruger sociale medier hvert år, skal vi fortsætte med at forsøge at forstå biasene i disse data. For eksempel har dataene stadig en tendens til at overrepræsentere yngre individer på bekostning af ældre befolkninger.

Først efter at have udviklet bedre biaskorrektionsmetoder, vil forskere være i stand til at forudsige fuldt ud forudsigelser fra tweets.

Om forfatteren

Lewis Mitchell, lektor i anvendt matematik, University of Adelaide

Denne artikel blev oprindeligt offentliggjort den The Conversation. Læs oprindelige artikel.

Relaterede bøger

at InnerSelf Market og Amazon

 

Flere artikler af denne forfatter

Du vil måske også kunne lide

følg InnerSelf på

facebook ikontwitter-ikonyoutube-ikoninstagram ikonpintrest ikonrss ikon

 Få det nyeste via e-mail

Ugeblad Daglig inspiration

TILGÆNGELIGE SPROG

enafarzh-CNzh-TWdanltlfifrdeeliwhihuiditjakomsnofaplptroruesswsvthtrukurvi

MEST LÆS

en skål, der blev genopbygget og "helet" med kintsugi
Et kort over sorg: Kintsugi fører dig til lys efter tab
by Ashley Davis Bush, LCSW
Reparation af ødelagt keramik med gylden lim er kendt som Kintsugi. Ved at fremhæve bruddene har vi...
hvordan sladder kan hjælpe 7 14
Hvordan sladder kan hjælpe dit arbejde og sociale liv
by Kathryn Waddington, University of Westminster
Sladder får en dårlig rap - fra tabloider fulde af sarte berømthedssladder til de dårligt opførte...
dø af lykke 7 14
Ja, du kan virkelig dø af tristhed eller lykke
by Adam Taylor, Lancaster University
At dø af et knust hjerte var blot en talemåde indtil 2002, da Dr. Hikaru Sato og hans kolleger...
Menneske sidder på sandet i den øverste del af et timeglas
Tid, valg og ur Tidsafhængighed
by Catherine Shainberg
Vores største klage i dag er, at vi ikke har tid til noget. Ingen tid til vores børn, vores...
ung mand sidder på jernbaneskinnerne og ser på billederne i sit kamera
Vær ikke bange for at se dybere ind i dig selv
by Ora Nadrich
Vi kommer normalt ikke til nuet fri for tanker og bekymringer. Og vi rejser ikke...
Solen skinner oplyser; den anden halvdel af billedet er i mørke.
De gør en forskel! Intention, visualisering, meditation og bøn
by Nicolya Christi
Hvordan kan et system, der er solidt forankret i dualitet og adskillelse, transformeres positivt? For at sige det...
fordele ved socialisering 7 10
Dette er, hvad der giver ældre voksne mere følelse af formål
by Brandie Jefferson, Washington University i St. Louis
Ældre voksne med en højere følelse af formål fører længere, sundere og lykkeligere liv - og har...
hedebølger mental sundhed 7 12
Hvorfor hedebølger forværrer mental sundhed
by Laurence Wainwright, University of Oxford og Eileen Neumann, University of Zurich
Hedebølger er blevet forbundet med en stigning i depressive symptomer og angstsymptomer

Nye holdninger - nye muligheder

InnerSelf.comClimateImpactNews.com | InnerPower.net
MightyNatural.com | WholisticPolitics.com | InnerSelf Marked
Copyright © 1985 - 2021 InnerSelf-publikationer. Alle rettigheder forbeholdes.