هوش مصنوعی با تحلیل شبکه‌های اجتماعی، بیکاری را زودتر از آمار رسمی پیش‌بینی می‌کند!

یک مطالعه تازه نشان می‌دهد که داده‌های شبکه‌های اجتماعی می‌توانند شاخصی قدرتمند برای پیش‌بینی روند بیکاری باشند؛ حتی پیش از آن‌که آمار رسمی منتشر شود. پژوهشگران دریافته‌اند که پست‌های کاربران درباره بیکاری در توییتر قادرند درخواست‌های بیمه بیکاری را تا دو هفته زودتر از گزارش‌های دولتی پیش‌بینی کنند.

بیکاری تجربه‌ای دشوار است و بسیاری از افراد احساسات و مشکلات خود را در فضای آنلاین به اشتراک می‌گذارند. همین رفتار اجتماعی، به گفته محققان، می‌تواند به عنوان یک منبع داده ارزشمند برای تحلیل‌های اقتصادی مورد استفاده قرار گیرد.

توسعه مدل JoblessBERT

سم فرایبرگر و همکارانش مدلی مبتنی بر هوش مصنوعی طراحی کرده‌اند که توانایی شناسایی افشاهای مرتبط با بیکاری را دارد. این پژوهش در مجله PNAS Nexus منتشر شده است. تیم تحقیقاتی داده‌های بیش از ۳۱.۵ میلیون کاربر توییتر بین سال‌های ۲۰۲۰ تا ۲۰۲۲ را جمع‌آوری و برای آموزش یک طبقه‌بند ترنسفورمری به نام JoblessBERT استفاده کرد. این مدل حتی قادر بود اصطلاحات عامیانه یا غلط‌های املایی مانند «من به یک شغل نیاز دارم!» را تشخیص دهد.

برای افزایش دقت، پژوهشگران تعدیلات جمعیتی انجام دادند تا غیرنماینده بودن پایگاه کاربران توییتر را جبران کنند. سپس این داده‌ها برای پیش‌بینی درخواست‌های بیمه بیکاری در سطح ملی، ایالتی و شهری در آمریکا به کار گرفته شد.

نتایج و اهمیت

مدل JoblessBERT توانست تقریباً سه برابر بیشتر از رویکردهای مبتنی بر قانون قبلی افشاهای بیکاری را ثبت کند، در حالی که دقت بالایی را حفظ کرد. همچنین خطاهای پیش‌بینی را ۵۴.۳ درصد نسبت به پیش‌بینی‌های اجماعی صنعت کاهش داد.

این روش در دوران همه‌گیری کووید-۱۹ اهمیت ویژه‌ای داشت؛ زمانی که افزایش عظیم درخواست‌های بیکاری در مارس ۲۰۲۰ را چند روز پیش از انتشار آمار رسمی شناسایی کرد.

پیامدهای سیاست‌گذاری

به گفته نویسندگان، این روش‌شناسی نشان می‌دهد که ترکیب مدل‌های هوش مصنوعی با داده‌های شبکه‌های اجتماعی می‌تواند مکمل آمارهای اقتصادی سنتی باشد و بینش‌های لحظه‌ای برای سیاست‌گذاری ارائه دهد؛ به‌ویژه در زمان بحران‌های اقتصادی که سرعت واکنش دولت‌ها و نهادهای اقتصادی اهمیت حیاتی دارد.