Un nouvel outil d’apprentissage automatique mis au point par des chercheurs en informatique de l’université de l’Alberta, parcourt des millions de publications sur Twitter pour mieux comprendre les tendances en matière de santé et de bien-être.
Ils ont utilisé l’apprentissage automatique pour déterminer l’emplacement auquel les tweets font référence, la dimension de la santé à laquelle ils sont liés et les émotions exprimées dans chaque tweet. S’ils peuvent le faire correctement, ils pourront mieux comprendre ce que signifie réellement vivre dans un endroit donné, en termes de santé et de bien-être.
Le potentiel de l’apprentissage automatique
L’outil appelé Grebe exploite le pouvoir le pouvoir de l’apprentissage automatique pour faciliter le travail de réseaux de surveillance de la santé de l’agence de la santé publique du Canada et des centres américains de contrôle et de prévention des maladies, qui reposent généralement sur des données compilées à partir d’auto-évaluations.
Voici une autre application des données de Twitter :
Les experts en santé publique souhaitent savoir ce qui se passe dans une ville ou une province. Même si les enquêtes sont des formes utiles de collecte d’informations, les auto-évaluations peuvent également être peu fiables ou inexactes. Ce type d’outil permet aux experts en santé publique d’étudier le comportement des personnes.
Les médias, une véritable source d’informations
Cet outil permet aux experts de passer par un autre média, en l’occurrence Twitter, pour vérifier les tendances qu’ils ont découvertes dans d’autres pays. Leur objectif n’était pas de trouver les tendances elles-mêmes, mais plutôt de créer un outil permettant aux professionnels de la santé publique et aux sociologiques d’analyser ces tendances.
Une fois terminé, Grebe sera mis à la disposition du public ainsi que d’autres chercheurs par le biais d’un accès ouvert. L’étude intitulée « Prédiction du contexte dans le Web social utilisant l’apprentissage automatique » a été déjà publiée.