صحيفة اللحظة:
استخدم باحثون من ولاية بنسلفانيا الأمريكية المشاعر والعواطف التي يتم التعبير عنها في التغريدات على "تويتر" لتقييم الحالات التي قد تؤدي فيها اضطرابات سلاسل التوريد بسبب جائحة أو حرب أو كارثة طبيعية إلى نقص الغذاء.
وفقاً للباحثين فإن التغريدات التي عبّرت عن الغضب أو الاشمئزاز أو الخوف كانت مرتبطة ارتباطاً وثيقاً بنقص الغذاء الفعلي في بعض الولايات الأمريكية في وقت مبكر من جائحة كورونا، وهو ما يعني أنه يمكن استخدام هذه النتائج لتطوير نظام إنذار مبكر منخفض التكلفة لتحديد الأماكن التي تشتد فيها الحاجة إلى تدخلات الأمن الغذائي.
ويقول ستيفان جويتز، أستاذ الاقتصاد الزراعي والإقليمي في بنسلفانيا، إن ظهور جائحة كورونا وما ارتبط بها من اضطرابات في سلاسل التوريد أثار مخاوف في جميع أنحاء العالم بشأن الوصول إلى الغذاء وتوافره، وقد لجأ الكثير من الناس إلى وسائل التواصل الاجتماعي للتعبير عن هذه المخاوف، وأردنا معرفة ما إذا كان من الممكن استخدام التغريدات في الوقت الفعلي لتحديد دول أو مناطق معينة تواجه مشكلات في الإمداد الغذائي أو انعدام الأمن.
وبدلاً من النظر فقط إلى عدد التغريدات المتعلقة بنقص الغذاء، أراد جويتز وزملاؤه معرفة كيف يشعر الناس بالفعل حيال وضعهم الغذائي.
وباستخدام الذكاء الاصطناعي، حدد الباحثون المشاعر والعواطف المرتبطة بالتغريدات، مما سمح لهم بفصل التغريدات التي تعبّر عن مخاوف بشأن الإمدادات الغذائيّة عن تلك التي تعبّر عن الارتياح أو الرضا.
وفي التغريدات التي تم تحليلها، كانت المشاعر الأكثر شيوعاً هي الفرح، والتي فسّرها الباحثون على أنها انعكاس للارتياح الواسع النطاق لأن الإمدادات الغذائية الأمريكية ظلت مستقرة نسبياً خلال الوباء، وذلك على الرغم من المخاوف المبكرة بشأن نقص الغذاء.
وكانت التغريدات التي عبّرت عن مشاعر سلبيّة مثل الغضب والاشمئزاز والخوف مرتبطة ارتباطًا وثيقًا بمشاكل نقص الغذاء الفعلية في بعض الولايات.
ولإجراء الدراسة، التي نُشرت على الإنترنت مؤخراً في مجلة "أبلايد إيكونوميك بيرسبيكتيف آند بوليسي"، استخدم الباحثون مجموعة بيانات تُعرف باسم "GeoCoV19"، والتي تحتوي على مئات الملايين من التغريدات المتعلقة بكورونا بلغات متعددة من جميع أنحاء العالم، واختاروا التغريدات باللغة الإنجليزية فقط والتي نشأت في الولايات المتحدة ونُشِرت بين 1 فبراير/شباط و31 أغسطس/آب 2020، كما ضيّقوا نطاق مجموعة التغريدات الناتجة لتشمل فقط تلك التي تحتوي على لغة تتعلق بانعدام الأمن الغذائي.
ويقول كونور هيتون، باحث الدكتوراه في كلية علوم وتكنولوجيا المعلومات في ولاية بنسلفانيا والمؤلف المشارك للدراسة: "صممنا قائمة تضم 138 كلمة وعبارة، مثل (لا أستطيع تحمل نفقات البقالة) أو (أسعار المواد الغذائية) أو(نقص الطعام) وانتهى بنا الأمر إلى أكثر من 1.2 مليون تغريدة في مجموعة بياناتنا، وبعد ذلك، استخدمنا ما يُعرف بنماذج اللغة السياقية لاستخراج المشاعر والعاطفة المستندة إلى كل تغريدة، تستفيد هذه النماذج من المعنى الناشئ في سلسلة من الكلمات بدلاً من الاعتماد على علاقة محددة مسبقاً بين الكلمات الفردية والمشاعر".
ويمكن لنموذج لغة الذكاء الاصطناعي الذي استخدمناه اكتشاف المشاعر السلبيّة والحياديّة والإيجابيّة، ومشاعر الغضب أو الاشمئزاز أو الخوف أو الفرح أو الحزن أو المفاجأة أو الحياد.
ويضيف: "على سبيل المثال، تم تصنيف هذه التغريدة على أنها تحمل مشاعر إيجابية وتعبّر عن الفرح: (بارك الله في سلسلة التوريد الغذائي في أمريكا، من المنتجين إلى الموزعين إلى البقالين)".
في المقابل، تم تصنيف هذه التغريدة على أنها سلبية وتعبّر عن الخوف "قال مسؤول تنفيذي في بنك طعام في لويزيانا عمل خلال إعصار كاترينا إنه لم يشهد مثل هذا المزيج من الحاجة والندرة والقلق".
وقام الباحثون أيضاً بتعيين التغريدات على مستوى الولاية الأمريكية حتى يتمكنوا من مقارنة نتائجهم مع بيانات نقص الغذاء الفعلية من مسح نبض الأسرة في الولايات المتحدة (HPS)، وهو مسح وطني أسبوعي يتم إجراؤه عبر الإنترنت لعينة تمثيلية تم اختيارها عشوائيًا من الأسر الأمريكية، والذي يسأل فيه المشاركون عما إذا كانوا في بعض الأحيان أو في كثير من الأحيان لم يكن لديهم ما يكفي من الطعام.
وعند حساب المتوسط في جميع الولايات على مدار فترة الستة أشهر، كانت التغريدات التي تعبر عن مشاعر الغضب والاشمئزاز والخوف مرتبطة بشكل كبير بمعدلات قصور الغذاء على مستوى الولاية الفعلية المبلغ عنها في مسح نبض الأسرة.