Mit Twitter wissen, wer wann Grippe bekommt?
Vor zwei Jahren haben Adam Sadilek und sein Team insgesamt 4,4 Millionen öffentliche Tweets mit Standort-Angabe von etwas 600.000 Twitter-Nutzern in New York untersucht. In Form eines Modells konnten die Wissenschaftler dann zeigen, wie sich Krankheiten in der US-Metropole ausbreiteten.
Auf der Website der Universität Rochester stellt Sadilek dazu die folgende Frage: „Falls drei der eigenen Freunde Grippesymptome und zusätzlich acht fremde Leute getroffen haben, die auch Krankheitssymptome haben – wie hoch ist die Wahrscheinlichkeit, dass Du selbst ebenfalls krank wirst?“
Durch dieses wissenschaftliche Twitter-Projekt möchte das Forscherteam besser verstehen, wie sich Krankheiten weltweit ausbreiten. Dafür stützen sie ihre Methode auf auf offizielle Statistiken und Online-Funktionen, wie beispielsweise den Google-Grippe-Trend. Ab wann es möglich sein kann, Vorhersagen in puncto Krankheitsausbreitung für Städte zu treffen, dazu gibt es noch keine Verlautbarungen: Die Wissenschaftler bescheinigen dem Analysieren öffentlicher Daten aus sozialen Netzwerken ein großes Potenzial. Zukünftig ließen sich anhand ihrer Forschungen zudem das Verhalten eines Kunden prognostizieren – das ist eins von weiteren Anwendungsbeispielen.
Auf der Website der Universität Rochester stellt Sadilek dazu die folgende Frage: „Falls drei der eigenen Freunde Grippesymptome und zusätzlich acht fremde Leute getroffen haben, die auch Krankheitssymptome haben – wie hoch ist die Wahrscheinlichkeit, dass Du selbst ebenfalls krank wirst?“
Durch dieses wissenschaftliche Twitter-Projekt möchte das Forscherteam besser verstehen, wie sich Krankheiten weltweit ausbreiten. Dafür stützen sie ihre Methode auf auf offizielle Statistiken und Online-Funktionen, wie beispielsweise den Google-Grippe-Trend. Ab wann es möglich sein kann, Vorhersagen in puncto Krankheitsausbreitung für Städte zu treffen, dazu gibt es noch keine Verlautbarungen: Die Wissenschaftler bescheinigen dem Analysieren öffentlicher Daten aus sozialen Netzwerken ein großes Potenzial. Zukünftig ließen sich anhand ihrer Forschungen zudem das Verhalten eines Kunden prognostizieren – das ist eins von weiteren Anwendungsbeispielen.
