חוקרים מאוניברסיטת רוצ'סטר שבניו יורק מדווחים על כך שפיתחו כלי המאפשר לעקוב אחר המצב התברואתי של מסעדות על פי הציוצים אודותיהם ברשת החברתית טוויטר. לטענת החוקרים, המעקב באמצעות הרשת החברתית יכול אף לשפר את רמת הבקרה של רשויות הבריאות והתברואה הרשמיות.

בתקציר שיפורסם בכנס Human Computation & Crowdsourcing שייערך בנובמבר הקרוב הם מספרים על המערכת שלהם הנקראת nEmesis המשלבת בין חוכמת ההמונים לבין יכולת של מחשבים לנתח וללמוד' ובכך אפשרה להם ללמוד על המצב התברואתי של מסעדות מתוך ניתוח תכנים שפורסמו אודות מסעדות בטוויטר.

הרשת החברתית טוויטר, הנה פופולרית מאוד בארה"ב ויש בה למעלה מ-300 מיליון משתמשים. הדיונים ברשת מתנהלים במסרים קצרים של פחות מ-140 תווים הנקראים ציוץ. כל המסרים ברשת הם פומביים ולכן ניתן לעקוב אחריהם יחסית בפשטות.

החוקרים מדווחים שאספו באמצעות המערכת 3.8 מיליון ציוצים מ-90,000 משתמשים באזור ניו יורק. מתוך כל אלה הצליחו החוקרים לבודד 23,000 משתמשים שביקרו במסעדה ומתוכם כ-480 ציוצים של תופעות הנראות כהרעלת מזון. החוקרים מצאו כי הממצאים שלהם אודות מקומות שככל הנראה היו אחראים על הרעלות מזון תאמו את הממצאים של רשויות הבריאות לגבי בעיות באותן מסעדות.

באמצעות הלמידה הזו מתוך רשת הטוויטר המערכת מצליחה לייצר דירוג שאומר באיזו מסעדה הסיכוי הגבוה ביותר ללקות בהרעלת מזון. לדברי החוקרים לא ניתן לקבוע על בסיס מקרה אחד האם יש סיכוי להרעלה, אך מתברר שכאשר יש כל מיני תלונות, המידע יחדיו הופך לסיגנל בעל משמעות לגבי הסיכוי להרעלת מזון.

המערכת מסוגלת להאזין לשיחה ברשת, אך גם למקם אותה גיאוגרפית, זאת מכיוון שרוב האנשים נוטים לשלוח את ההודעות מהטלפון הנייד שמצמיד להודעה גם מיקום גיאוגרפי באמצעות ה-GPS וכך ניתן למקם את האדם ליד מסעדה מסוימת שמיקומה ידוע מראש.

בנוסף על מנת לשפר את המערכת השתמשו החוקרים בחוכמת ההמונים, כך שבאמצעות מערכת שמחלקת מספר קטן של הודעות למכל מיני משתמשים והם בתורם מסווגים אותם בצורה אנושית על מנת לעזור למערכת הממוחשבת ללמוד טוב יותר. בכך הגיעו החוקרים לרמת דיוק גבוהה יותר.

לדברי החוקרים אמנם אין המדובר במדגמים מייצגים, אך בהחלט יש כאן אפשרות לקבל הודעה מקדמית על סיכון להרעלת מזון ובכך לאפשר לרשויות להגיע מוקדם יותר לנקודות חשודות.

אוניברסיטת רוצ'סטר