Nachrichten, die Sie nutzen können - um Ausbrüche von Lebensmittelkrisen besser vorherzusagen

Das Modell des maschinellen Lernens analysiert den Inhalt und die Häufigkeit von Artikeln, um präzise Vorhersagen darüber zu treffen, wo die nächste Hungerkatastrophe auftreten wird

07.03.2023 - USA

Ein Forscherteam hat ein Modell des maschinellen Lernens entwickelt, das aus dem Inhalt von Nachrichtenartikeln auf effektive Weise die Orte vorhersagt, an denen das Risiko einer unsicheren Ernährungslage besteht. Das Modell, das dazu beitragen könnte, die Verteilung von Nahrungsmittelsoforthilfe in gefährdeten Regionen nach Prioritäten zu ordnen, stellt eine Verbesserung gegenüber bestehenden Messungen dar.

Samuel Fraiberger and Alice Grishchenko

Die Kästen in der Abbildung enthalten jeweils ein Beispiel für einen Satz, in dem das Modell ein relevantes Schlüsselwort erkannt hat (farblich hervorgehoben). Die 167 Textmerkmale, die Vorhersagen über die Ernährungsunsicherheit treffen, sind in 12 Kategorien von Risikofaktoren gruppiert, die in der Legende angegeben sind, und in einem Netzwerk abgebildet. Die Größe eines Knotens ist proportional zur Häufigkeit des Textmerkmals in Nachrichtenartikeln, und die Breite einer Kante kodiert die semantische Nähe zwischen den Knoten.

"Unser Ansatz könnte die Vorhersage von Ausbrüchen von Nahrungsmittelkrisen bis zu 12 Monate im Voraus drastisch verbessern, indem er sowohl Echtzeit-Nachrichtenströme als auch ein einfach zu interpretierendes Vorhersagemodell nutzt", sagt Samuel Fraiberger, Gastforscher am Courant Institute of Mathematical Sciences der New York University, Datenwissenschaftler bei der Weltbank und Autor der Studie, die in der Fachzeitschrift Science Advances erscheint.

"Herkömmliche Messungen von Risikofaktoren für die Ernährungsunsicherheit, wie z. B. Indizes der Konfliktschwere oder Veränderungen der Lebensmittelpreise, sind oft unvollständig, verzögert oder veraltet", fügt Lakshminarayanan Subramanian, Professor am Courant Institute und einer der Autoren der Studie, hinzu. "Unser Ansatz macht sich die Tatsache zunutze, dass Risikofaktoren, die eine Nahrungsmittelkrise auslösen, in den Nachrichten erwähnt werden , bevor sie mit traditionellen Messmethoden beobachtet werden können.

Ernährungsunsicherheit bedroht das Leben von Hunderten von Millionen Menschen auf der ganzen Welt. Nach Angaben der Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen ist die Zahl der Unterernährten von 624 Millionen Menschen im Jahr 2014 auf 688 Millionen im Jahr 2019 gestiegen. Die Autoren des Papiers stellen fest, dass sich die Bedingungen seither aufgrund der Covid-19-Pandemie, des Klimawandels und bewaffneter Konflikte verschlechtert haben - im Jahr 2021 werden weltweit zwischen 702 und 828 Millionen Menschen von Hunger betroffen sein. Darüber hinaus nahm die ernste Ernährungsunsicherheit im Jahr 2021 sowohl weltweit als auch in jeder Region zu.

Trotz des akuten und weit verbreiteten Charakters dieses Leidens beruhen die derzeitigen Methoden zur Erkennung künftiger Ernährungskrisen auf unzureichenden Risikomessungen, was die Bemühungen um deren Bewältigung behindert.

Bei der Entwicklung eines besseren Modells haben die Autoren der Studie, zu denen auch Ananth Balashankar, ein Courant-Doktorand, gehört, die Möglichkeit in Betracht gezogen, dass die Nachrichtenberichterstattung, die in Echtzeit und vor Ort über lokale Entwicklungen berichtet, als Frühwarnsystem für drohende Lebensmittelkrisen dienen könnte.

Die Forscher sammelten Texte aus mehr als 11 Millionen Nachrichtenartikeln, die sich mit fast 40 Ländern mit unsicherer Ernährungslage befassen und zwischen 1980 und 2020 veröffentlicht wurden. Anschließend entwickelten sie eine Methode, mit der sie bestimmte Ausdrücke in diesen Artikeln extrahieren konnten, die sich auf die Ernährungsunsicherheit beziehen, und zwar auf eine Art und Weise, die die journalistische Bewertung in bemerkenswerter Detailgenauigkeit erfasst. Konkret berücksichtigt das Tool fast 170 Textmerkmale, um die Semantik der Ausdrücke im Zusammenhang mit der Ernährungsunsicherheit korrekt zu bewerten und zu markieren, wann die Artikel erscheinen. Nachfolgend ein Beispiel aus dem Südsudan, in dem sowohl die Lage als auch die Risikofaktoren beschrieben werden: "In einigen Teilen des Landes könnte es erneut zu einer Hungersnot kommen, wobei der östliche Bezirk Pibor, wo Überschwemmungen und Schädlinge die Ernten verwüstet haben, besonders gefährdet ist."

Anschließend untersuchten sie Daten zu einer Reihe von Risikofaktoren für die Ernährungssicherheit - wie die Zahl der Todesopfer in Konflikten, Regenfälle, Vegetation und Veränderungen der Lebensmittelpreise -, um festzustellen, ob es eine Korrelation zwischen der Erwähnung dieser Faktoren in den Nachrichten und ihrem Auftreten in den untersuchten Ländern und Regionen gibt. Dabei stellten sie eine hohe Korrelation zwischen der Art der Berichterstattung und dem Auftreten dieser Faktoren vor Ort fest, was darauf hindeutet, dass Nachrichtenberichte ein genauer Indikator für die untersuchten Bedingungen sind.

Um jedoch festzustellen, ob Nachrichtenartikel tatsächlich ein guter Prädiktor für spätere Lebensmittelkrisen sind, musste das Team wissen, ob die Art der Berichterstattung ein brauchbarer Indikator für künftige Krisen ist und ob diese Geschichten dies genauer tun als herkömmliche Messungen. Anhand eines kleineren Satzes von Nachrichtenberichten fanden die Forscher heraus, dass die Nachrichtenberichterstattung von 2009 bis 2020 in 21 Ländern mit unsicherer Ernährungslage auf lokaler Ebene genauere Vorhersagen über die unsichere Ernährungslage lieferte - und zwar bis zu 12 Monate im Voraus - als herkömmliche Messungen, die den Text der Nachrichtenberichte nicht berücksichtigten. Die Forscher fanden außerdem heraus, dass die Ergänzung traditioneller Prognosemessungen mit Nachrichtenberichten die Genauigkeit der Vorhersagen zur Nahrungsmittelkrise weiter verbesserte, was auf den Wert von "hybriden" Modellen hindeutet.

Die Forscher sehen auch ein größeres Anwendungspotenzial für ihre Arbeit.

"Nachrichtenindikatoren könnten auf die Vorhersage von Krankheitsausbrüchen und die künftigen Auswirkungen des Klimawandels ausgedehnt werden", bemerkt Balashankar.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Weitere News aus dem Ressort Wissenschaft

Meistgelesene News

Weitere News von unseren anderen Portalen

KI verändert die Lebensmittel & Getränkebranche