Un estudio rastrea una epidemia de lenguaje contagioso

Notas de los editores

«Los palos y las piedras pueden romperme los huesos», dice el viejo refrán. «Pero las palabras nunca me harán daño.» Díselo a Eugenia Rho, profesora adjunta del Departamento de Informática, y ella te mostrará amplios datos que demuestran lo contrario.

Su Society + AI & Language Lab ha demostrado que

• El lenguaje policial es un predictor preciso de interacciones violentas con conductores negros.
• El sesgo de los medios de comunicación y las cámaras de eco de las redes sociales han puesto en riesgo la democracia estadounidense.

Ahora, el equipo de investigación de Rho en la Facultad de Ingeniería se ha centrado en otra pregunta: ¿qué efectos tuvo la retórica de las redes sociales sobre la infección por COVID-19 y tasas de mortalidad en todo Estados Unidos, y ¿qué pueden hacer los formuladores de políticas y funcionarios de salud pública aprender de eso?

«Muchos estudios simplemente describen lo que sucede en línea. A menudo no muestran un vínculo directo con los comportamientos fuera de línea», dijo Rho. «Pero existe una manera tangible de conectar el comportamiento en línea con la toma de decisiones fuera de línea».

Causa y efecto

Durante la pandemia de COVID-19, las redes sociales se convirtieron en un lugar de reunión masiva para la oposición a las directrices de salud pública, como el uso de mascarillas, el distanciamiento social y las vacunas. La creciente desinformación fomentó un desprecio generalizado por las medidas preventivas y provocó un aumento vertiginoso de las tasas de infección, hospitales abrumados, escasez de trabajadores de la salud, muertes evitables y pérdidas económicas.

Durante un período de un mes entre noviembre y diciembre de 2021, se informaron más de 692.000 hospitalizaciones evitables entre pacientes no vacunados, según un estudio de 2022 publicado en el Yale Journal of Biology and Medicine. Sólo esas hospitalizaciones costaron la asombrosa cifra de 13.800 millones de dólares.

En el estudio, el equipo de Rho, incluido Ph.D. El estudiante Xiaohan Ding, desarrolló una técnica que entrenó al chatbot GPT-4 para analizar publicaciones en varios grupos de discusión subreddit prohibidos que se oponían a las medidas de prevención de COVID-19. El equipo se centró en Reddit porque sus datos estaban disponibles, dijo Rho. Muchos otros plataformas de redes sociales han prohibido a investigadores externos utilizar sus datos. La investigación es publicado sobre el arXiv servidor de preimpresión.

El trabajo de Rho se basa en un marco de ciencias sociales llamado Teoría de la traza difusa Esto fue iniciado por Valerie Reyna, profesora de psicología de la Universidad de Cornell y colaboradora de este proyecto de Virginia Tech.

Reyna ha demostrado que los individuos aprenden y recuerdan mejor la información cuando se expresa en una relación de causa y efecto, y no simplemente como información de memoria. Esto es válido incluso si la información es inexacta o la conexión implícita es débil. Reyna llama a esta construcción de causa y efecto una «esencia».

Los investigadores trabajaron para responder cuatro preguntas fundamentales relacionadas con lo esencial en las redes sociales:

• ¿Cómo podemos predecir eficientemente lo esencial del discurso de las redes sociales a escala nacional?
• ¿Qué tipo de esencias caracterizan cómo y por qué las personas se oponen a las prácticas de salud pública de la COVID-19, y cómo evolucionan estas esencias con el tiempo en eventos clave?
• ¿Los patrones esenciales predicen significativamente patrones en la participación en línea entre usuarios en subreddits prohibidos que se oponen a las prácticas de salud de COVID-19?
• ¿Los patrones esenciales predicen significativamente las tendencias en los resultados de salud nacionales?

El eslabón perdido

El equipo de Rho utilizó técnicas de estímulo para grandes modelos de lenguaje (LLM), un tipo de programa de inteligencia artificial (IA), junto con estadísticas avanzadas para buscar y luego rastrear estos aspectos esenciales en grupos subreddit prohibidos. Luego, el modelo los comparó con los hitos de la COVID-19, como las tasas de infección, hospitalizaciones, muertes y anuncios de políticas públicas relacionados.

Los resultados muestran que, de hecho, las publicaciones en las redes sociales que vinculaban una causa, como «Recibí la vacuna COVID», con un efecto, como «Me siento muerto desde entonces», aparecieron rápidamente en las creencias de las personas y afectaron sus decisiones de salud fuera de línea. De hecho, el total y los nuevos casos diarios de COVID-19 en EE. UU. podrían predecirse significativamente a partir del volumen de información esencial en los grupos subreddit prohibidos.

Esta es la primera investigación de IA que vincula empíricamente los patrones lingüísticos de las redes sociales con las tendencias de salud pública del mundo real, destacando el potencial de estos grandes modelos de lenguaje para identificar patrones críticos de discusión en línea y señalar estrategias de comunicación de salud pública más efectivas.

«Este estudio resuelve un problema abrumador: cómo conectar los componentes cognitivos del significado que las personas realmente usan con el flujo de información a través de las redes sociales y el mundo de los resultados de salud», dijo Reyna. «Este marco de LLM basado en indicaciones que identifica lo esencial a escala tiene muchas aplicaciones potenciales que pueden promover una mejor salud y bienestar».

Big data, gran impacto

Rho dijo que espera que este estudio anime a otros investigadores a aplicar estos métodos a cuestiones importantes. Con ese fin, el código utilizado en este proyecto estará disponible gratuitamente cuando el artículo se publique en el Actas de la Conferencia de la Asociación de Maquinaria de Computación sobre Factores Humanos en Sistemas de Computación. El artículo también compara el costo de varias formas en que los investigadores pueden analizar grandes conjuntos de datos y extraer conclusiones significativas a un costo menor. El equipo presenta sus hallazgos del 11 al 16 de mayo en Honolulu, Hawaii.

Fuera del ámbito académico, Rho dijo que espera que este trabajo anime a las plataformas de redes sociales y otras partes interesadas a encontrar alternativas a la eliminación o prohibición de grupos que discuten temas controvertidos.

«El simple hecho de prohibir por completo a las personas en comunidades en línea, especialmente en espacios donde ya están intercambiando y aprendiendo información sobre salud, puede correr el riesgo de hundirlos más profundamente en teorias de conspiracion y obligarlos a ingresar a plataformas que no moderen el contenido en absoluto», dijo Rho. «Espero que este estudio pueda informar cómo las empresas de redes sociales trabajan de la mano con funcionarios y organizaciones de salud pública para participar y comprender mejor lo que está sucediendo en la mente del público durante las crisis de salud pública».