Ang Algorithm na ito ay maaaring Sabihin Kung Ikaw ay Lasing sa Twitter

Sa ilang mga oras ng gabi, Twitter ay isang kayamanan para sa lasing pag-uugali.

Katulad sa lasing ng pag-text, mayroong maraming bilang ng mga tao na nagsasalita ng salita hangga't maaari nilang ikumpisal sa 140 mga character. Ang pagsuri sa pinsala sa feed ng abiso ay maaaring maging masakit (o marahil higit pa depende sa kung ano ang sinabi) kaysa sa hangover. Nangyayari ito sa pinakamabuti sa atin. Kahit na si Adele ay dating miyembro ng lasing na Twitter, at kinailangang ibigay ang kanyang account sa kanyang mga reps.

Ngunit ang iyong mga tagasunod ay hindi lamang ang nagbabasa ng iyong mga lasing tweet. Ang mga inhinyero ng University of Rochester ay lumikha ng isang algorithm sa pag-aaral ng machine na nakakuha ng iyong mga lasing na tweet. Ang algorithm ay maaaring makilala ang mga inuming hotspots at lasing na pag-uugali, na maaaring makatulong na maunawaan ang mga isyu sa kalusugan ng publiko na may kaugnayan sa alkohol at magsagawa ng mas mahusay na mga pag-aaral ng sosyolohiya.

Hindi nakakakuha sa Twitter habang lasing. Tumingin ako ng pipi. Hindi nagtatanggal ng mga tweets bagaman.

- Josef (@JosefCrowther) Marso 16, 2016

Kung gagawin mo ang isang mabilis na paghahanap sa Twitter, makikita mo na mahirap na ihiwalay ang mga tweet na nauugnay sa alkohol at mga tweet ng mga gumagamit na ipinadala kapag sila ay talagang pag-inom. Iyan ang unang bagay na ginawa ng grupo ng pananaliksik - sinasanay ang kanilang algorithm upang makita ang mga pagkakaiba. Ang algorithm ay mas tumpak din kaysa sa iba pang mga algorithm sa pag-aaral ng makina sa pagkuha ng lokasyon ng mga user ng Twitter.

Ibig kong banggitin … Lasing ako 😉 ladies 😘 jk … Ngunit talagang ako ay lasing XD

- Entoan (@EntoanThePack) Marso 13, 2016

Ang pag-aaral na inilathala noong Marso 10 ay nagpapakita ng algorithm na kumilos habang tinipon ng mga mananaliksik ang tungkol sa 11,000 geolocated na mga tweet sa dalawang lugar: New York City at ang mga suburb ng Monroe County, na kinabibilangan ng lungsod ng Rochester. Ang algorithm na na-filter na mga keyword na may kaugnayan sa alkohol - lasing, partido, serbesa - at ginamit ang Mechanical Turk ng Amazon, isang serbisyo ng crowdsourcing na nag-uugnay sa mga gawain ng katalinuhan ng tao, upang suriin ang mga tweet. Ang mga mananaliksik ay nag-set up din ng mga parameter upang makuha ang algorithm upang makita ang mga tweet na ipinadala kapag nakakuha ang mga user sa bahay. Tulad ng inaasahan, may mas maraming mga tweet sa New York City na nauugnay sa pag-inom kaysa sa Monroe County.

Naniniwala ang mga mananaliksik na ang algorithm ay may mas malawak na application: maaari itong pag-aralan ang kilusan ng tao, mga relasyon sa pagitan ng mga demograpiko, istraktura ng kapitbahayan, at mga kondisyon sa kalusugan sa iba't ibang mga rehiyon. "Ipinakikita ng aming mga resulta na ang mga tweet ay maaaring magbigay ng mga makapangyarihang at masarap na mga pahiwatig ng mga aktibidad na nagaganap sa mga lungsod," isinulat ng mga mananaliksik sa pag-aaral.

Kinuha ko ang #martinimonday sa maling paraan at ngayon ay lasing ako sa trabaho.

- Christina McGrath (@xtinamcgrath) Marso 7, 2016

Kaya marahil Ang lasing ng pag-text ay hindi masama kung natutulungan nito ang mga mananaliksik na matuto nang higit pa tungkol sa pag-uugali ng tao? Maaari kang maging hukom.