Tim istraživača je razvio model mašinskog učenja koji se oslanja na sadržaj novinskih članaka kako bi efikasno predvideo lokacije koje se suočavaju sa rizicima od nesigurnosti hrane. Model, koji bi mogao da se koristi za određivanje prioriteta u raspodeli hitne pomoći u hrani u ranjivim regionima, označava poboljšanje u odnosu na postojeća merenja.
„Naš pristup bi mogao drastično da poboljša predviđanje izbijanja krize sa hranom do 12 meseci unapred koristeći i tokove vesti u realnom vremenu i prediktivni model koji je jednostavan za tumačenje“, kaže Semjuel Frajberger, gostujući istraživač na Institutu Kurant Univerziteta u Njujorku. matematičkih nauka, naučnik podataka u Svetskoj banci i autor studije koja se pojavljuje u časopisu Science Advances.
„Tradicionalna merenja faktora rizika nesigurnosti hrane, kao što su indeksi ozbiljnosti sukoba ili promene cena hrane, često su nepotpuna, odložena ili zastarela“, dodaje Lakshminaraianan Subramanian, profesor na Institutu Kurant i jedan od autora rada. „Naš pristup koristi činjenicu da se faktori rizika koji izazivaju krizu hrane pominju u vestima pre nego što se mogu uočiti tradicionalnim merenjima.
Nesigurnost hrane ugrožava živote stotina miliona ljudi širom sveta. Prema podacima Organizacije za hranu i poljoprivredu Ujedinjenih nacija, broj pothranjenih porastao je sa 624 miliona ljudi u 2014. na 688 miliona u 2019. Uslovi su se, napominju autori lista, od tada pogoršali zbog pandemije COVID-19, klimatskih promena. i oružani sukobi — 2021. godine između 702 i 828 miliona ljudi širom sveta suočilo se sa glađu. Štaviše, ozbiljna nesigurnost hrane se povećala i na globalnom nivou i u svim regionima 2021.
Uprkos akutnoj i široko rasprostranjenoj prirodi ove nevolje, sadašnje metode za otkrivanje budućih kriza u vezi sa hranom oslanjaju se na mere rizika koje su nedovoljne, što ometa napore za njihovo rešavanje.
Radeći na razvoju boljeg modela, autori lista, među kojima je i Anant Balašankar, diplomirani doktorant Courant, razmotrili su mogućnost da bi izveštavanje vesti, koje nudi prikaze lokalnog razvoja u realnom vremenu, moglo da posluži kao sistem ranog upozoravanja na predstojeću krizu sa hranom.
Istraživači su prikupili tekst iz više od 11 miliona novinskih članaka fokusiranih na skoro 40 zemalja nesigurnih u ishrani koji su objavljeni između 1980. i 2020. Zatim su razvili metod za izdvajanje određenih fraza u ovim člancima u vezi sa nesigurnošću hrane i na načine koji obuhvataju novinarsku procenu u značajnim detaljima. Konkretno, alatka obuhvata skoro 170 tekstualnih karakteristika kako bi pravilno procenila semantiku fraza koje se odnose na nesigurnost hrane i označila kada se članci pojavljuju. Sledi primer iz Južnog Sudana, koji opisuje i lokaciju i faktore rizika: „Glad se može vratiti u neke delove zemlje, sa istočnim okrugom Pibor, gde su poplave i štetočine opustošile useve, pod posebnim rizikom.“
Zatim su razmotrili podatke o nizu faktora rizika od nesigurnosti hrane — kao što su broj smrtnih slučajeva u sukobima, padavine, vegetacija i promene u cenama hrane — da bi utvrdili da li postoji korelacija između pominjanja ovih faktora u vestima i njihove pojave u proučavanim zemljama i regioni. Ovde su otkrili visoku korelaciju između prirode izveštavanja i pojave ovih faktora na terenu, što ukazuje da su vesti tačan pokazatelj proučavanih uslova.
Ali da bi se utvrdilo da li su novinski članci, u stvari, dobar prediktor kasnijih kriza u vezi sa hranom, tim je morao da zna da li je priroda izveštavanja održiv pokazatelj budućih kriza i da li su ove priče to činile tačnije od tradicionalnih merenja. Koristeći manji skup vesti, istraživači su otkrili da je od 2009. do 2020. iu 21 zemlji nesigurnoj u ishrani, izveštavanje u vestima dalo tačnija predviđanja na lokalnom nivou nesigurnosti hrane — i to do 12 meseci pre vremena — nego tradicionalna merenja koja nisu uključivala tekst vesti. Takođe su otkrili da je dopuna tradicionalnih prediktivnih mera izveštavanjem u vestima dodatno poboljšala tačnost predviđanja krize u vezi sa hranom, što ukazuje na vrednost „hibridnih“ modela.
Istraživači takođe vide potencijalne veće upotrebe za svoj rad.
„Indikatori vesti bi se mogli proširiti na predviđanje izbijanja bolesti i budućeg uticaja klimatskih promena“, primećuje Balašankar.
