Forscher repurposes social-networking-Modelle, um vorherzusagen, COVID verbreiten

Seit der COVID-19 Epidemie begann, gab es reichlich Gelegenheit zu beobachten, wie eine Vielzahl von Wahrheiten, Halbwahrheiten und Unwahrheiten kann aufflammen und sich ausbreiten wie ein Lauffeuer über social media, wirbeln herum, und genauso schnell begraben und vergessen. Es könnte als eine faszinierende Fallstudie für die CSL und informatik professor Tarek Abdelzaher, der jahrelang studiert hat, wie Informationen verbreitet über die sozialen Medien.

Aber er und seine Schüler Chaoqi Yang und Ruijie Wang genommen haben, einen großen Schritt weiter. Sie erkannten, dass die Verbreitung von Informationen über eine Bevölkerung von online-Nutzern ist eng Analog zu der übertragung des virus durch eine Bevölkerung von Fleisch-und-Blut-Menschen, und diese Erkenntnis inspiriert hat, Sie zu nutzen, Ihre Informationen Ausbreitung von Modellen zur Vorhersage COVID-19 zu verbreiten. Außerdem haben Sie die Ergebnisse der öffentlichkeit zur Verfügung stehen, auf einer interaktiven website: covid19pre.web.illinois.edu/#/

Abdelzaher sagt, dass die Arbeit ist, die mit seinem DARPA SocialSim-Projekt, das begann im Jahr 2017 mit dem Ziel der Entwicklung von Simulations-Modellen für die Vorhersage der Informationen Ausbreitung Kaskaden.

„Informationen, die, ähnlich wie virale Ansteckung, breitet sich durch menschliche Kontakte über ‚die Erleichterung der Medien“, das sind ein wichtiges Konstrukt in die Modelle“, erklärt er. „Für Informationen Kaskaden, eine Erleichterung medium können ein online-subreddit, eine virtuelle hangout oder Facebook Wand. Sie stellen virtuelle Räume, die es ermöglichen, Informationen zu verbreiten. In der Welt der viralen Seuche, die physische Räume, wie z.B. Läden, Büros, und Wohnungen, die Erleichterung der Medien.“

Abdelzaher, eine Willett Fakultät Scholar weist darauf hin, dass die soziale Distanzierung Politik zu manipulieren, die Verfügbarkeit von einigen von den „Medien“. Als ein Ergebnis, in sein team Modelle, die unterschiedliche soziale Distanz Richtlinien können angewendet werden, um die Bevölkerung Statistiken zur Vorhersage der Ausbreitung von COVID-19 in verschiedenen Nationen oder Staaten.

Epidemiologen haben bereits Modelle für die Vorhersage von Infektion zu verbreiten, aber der „SIR“ Modelle in der Epidemiologie—so genannt, weil Sie die Vorhersage der Anzahl Individuen in einer population, wer „anfällig, infektiösen oder wiederhergestellt werden“ zu einem bestimmten Zeitpunkt—nicht inhärent bieten eine Möglichkeit zur Anpassung Ihrer Prognosen an verschiedene Richtlinien, wie soziale Distanzierung, das würde beeinflussen, die Krankheit zu verbreiten. Die ersten Ergebnisse zeigen, dass die neuen Modelle von Abdelzaher team sind genauer als die SIR-Modelle bei der Vorhersage der aktuellen Einfluss der social-distancing-Massnahmen.

Abdelzaher, Yang und Wang haben ins Leben gerufen, eine interaktive website, die jeder besuchen kann, um zu sehen, Vorhersagen, auf der Grundlage der aktuellsten verfügbaren Daten. Sie wird auch weiterhin zu aktualisieren, wie Ihre Forschung weiterkommt.

„Es gibt derzeit Druck zu entfernen, einige [social distancing] Einschränkungen aus wirtschaftlichen Gründen“, stellt Abdelzaher. Die neue website wird den Menschen ermöglichen, zu sehen, die Folgen von hinzufügen, entfernen oder ändern der sozialen Distanzierung Regeln. „Die Benutzer werden in der Lage sein, zu interagieren, um die Anzeige von Kurven für Ihr Land oder Staat, sowie zu Fragen, ‚was wäre wenn‘ – Fragen, wie “ was ist, wenn soziale Distanz entfernt wurde, in meinen Zustand von heute an?‘, oder “ was ist, wenn X% der Belegschaft betroffen wurden, gehen zurück an die Arbeit?‘,“ er sagt.

Abdelzaher hofft, dass die website bietet der öffentlichkeit eine wertvolle Quelle der Einsicht, dass sonst nicht leicht verfügbar. Während zahlreiche websites sind die Bereitstellung von up-to-date Daten auf, was bereits geschehen ist, die Menschen nicht haben derzeit Zugriff auf die Art der Vorhersagekraft, dass die neue website bietet.