Twitter può essere utilizzato per capire quanti “ammalati” ci circondano

Utilizzare il celebre social network, può dimostrarsi molto meno dispendioso dei metodi di ricerca finora messi in campo. Secondo Adam Sadilek, coautuore dello studio assieme al Professor Henry Kautz, “con le nuove tecnologie basta ‘ascoltare’ ciò che la gente scrive sul web e raccogliere migliaia di dati utili per fare previsioni future.”

Agli studiosi americani è bastato seguire il segnale GPS di un migliaio di utenti Twitter per mettere in relazione i posti che frequentano e le loro abitudini con il loro stato di salute.

Settanta sono stati i fattori presi in considerazione. Si va dalla frequenza di utilizzo del metro, al numero di volte che ci si allena in palestra, al livello di inquinamento dei luoghi abitualmente frequentati. Tutto è utile per misurare il livello di salute dei navigatori virtuali.

La ricerca è servita da supporto per lanciare una nuova applicazione, chiamata GermTracker.
Il funzionamento è semplice: dopo essersi geo-localizzato, l’utente Twitter può sapere quanti potenziali “ammalati” ci sono nel posto che ha deciso di raggiungere. L’app infatti analizzerà i tweet delle persone che in quel preciso istante sono in quel luogo e informerà l’utente se la sua salute è a rischio.

“Ad esempio”, sostiene uno dei ricercati “si potrebbe scegliere di evitare una stazione della metropolitana perché c’è un gran numero di utenti che dichiara di avere l’influenza.”. L’applicazione, continua il ricercatore “potrebbe essere utilizzata in combinazione con altri metodi da parte dei governi o autorità locali per cercare di localizzare i focolari del virus.”

A parte le finalità sociali, dietro la ricerca c’è un interessante modello algoritimico denominato “machine-learning”. Questo è stato creato per distinguere autonomamente i tweet delle persone “realmente” malate da quelle solo apparentemente in cattiva salute. “Abbiamo ‘insegnato’ all’algoritmo che se qualcuno scrivesse ‘sono malato, sono stato a letto tutto il giorno’, questo è categorizzabile come ‘malato’. Se un altro si sfogasse dicendo ‘ il traffico di New York mi fa ammalare’ il modello sa che ques’altra persona è ‘non malata’.”
Il modello si autoalimenta e si migliora in proporzione al numero di dati e di feedback che immagazzina.
Se cliccassi sul profilo di una persona alla quale l’applicazione ha associato il colore rosso – che vuol dire ‘gravemente malato’ – e mi rendessi conto che i tweet che giustificano il suo paventato “cattivo stato di salute” sono stati male interpretati, basterà inviare un commento al software, il quale si corregerà istantaneamente.

Gli autori hanno recentemente realizzato collaborazioni con medici, infermieri ed altri studiosi per migliorare il sistema di monitoraggio dell’influenza e per controllare i fattori che causano la depressione ed altri disturdi psicologici.