Setiap kotak ilustrasi berisi contoh kalimat di mana model mendeteksi kata kunci yang relevan (disorot dengan warna). 167 teks fitur prediksi episode kerawanan pangan dikelompokkan menjadi 12 kategori faktor risiko yang ditunjukkan dalam legenda dan dipetakan ke dalam jaringan. Ukuran node sebanding dengan frekuensi fitur teks dalam artikel berita, dan lebar edge mengkodekan kedekatan semantik antar node. Kredit: Samuel Fraiberger dan Alice Grishchenko
Sebuah tim peneliti telah mengembangkan model pembelajaran mesin yang diambil dari isi artikel berita untuk secara efektif memprediksi lokasi yang menghadapi risiko kerawanan pangan. Model tersebut, yang dapat digunakan untuk membantu memprioritaskan alokasi bantuan pangan darurat di seluruh wilayah rentan, menandai peningkatan dari pengukuran yang ada.
“Pendekatan kami dapat secara drastis meningkatkan prediksi wabah krisis pangan hingga 12 bulan sebelumnya menggunakan aliran berita real-time dan model prediksi yang mudah ditafsirkan,” kata Samuel Fraiberger, peneliti tamu di Institut Courant Universitas New York. of Mathematical Sciences, seorang ilmuwan data di Bank Dunia, dan seorang penulis studi, yang muncul di jurnal Science Advances.
“Pengukuran tradisional faktor risiko kerawanan pangan, seperti indeks keparahan konflik atau perubahan harga pangan, seringkali tidak lengkap, tertunda, atau ketinggalan zaman,” tambah Lakshminarayanan Subramanian, profesor di Courant Institute dan salah satu penulis makalah. “Pendekatan kami memanfaatkan fakta bahwa faktor risiko yang memicu krisis pangan disebutkan dalam berita sebelum dapat diamati dengan pengukuran tradisional.”
Kerawanan pangan mengancam kehidupan ratusan juta orang di seluruh dunia. Menurut Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa, jumlah orang yang kekurangan gizi meningkat dari 624 juta orang pada tahun 2014 menjadi 688 juta pada tahun 2019. Kondisi tersebut, menurut catatan penulis makalah, telah memburuk sejak saat itu karena pandemi COVID-19, perubahan iklim , dan konflik bersenjata—pada tahun 2021, antara 702 dan 828 juta orang di seluruh dunia menghadapi kelaparan. Selain itu, kerawanan pangan yang parah meningkat baik secara global maupun di setiap wilayah pada tahun 2021.
Terlepas dari sifat penderitaan yang akut dan meluas ini, metode saat ini untuk mendeteksi krisis pangan di masa depan bergantung pada langkah-langkah risiko yang tidak memadai, sehingga menghambat upaya untuk mengatasinya.
Dalam bekerja untuk mengembangkan model yang lebih baik, penulis makalah, yang juga termasuk Ananth Balashankar, lulusan doktoral Courant, mempertimbangkan kemungkinan bahwa liputan berita, yang menawarkan laporan perkembangan lokal secara real-time, dapat berfungsi sebagai sistem peringatan dini untuk krisis pangan yang akan datang.
Para peneliti mengumpulkan teks dari lebih dari 11 juta artikel berita yang berfokus pada hampir 40 negara rawan pangan yang diterbitkan antara tahun 1980 dan 2020. Mereka kemudian mengembangkan metode untuk mengekstraksi frasa tertentu dalam artikel tersebut terkait dengan kerawanan pangan dan dengan cara menangkap penilaian jurnalistik. dalam detail penting. Secara khusus, alat tersebut mencakup hampir 170 fitur teks untuk mengukur dengan benar semantik frasa yang berkaitan dengan kerawanan pangan dan untuk menandai saat artikel muncul. Berikut ini adalah contoh dari Sudan Selatan, yang menguraikan lokasi dan faktor risiko: “Kelaparan dapat kembali terjadi di beberapa bagian negara, dengan wilayah Pibor timur, di mana banjir dan hama merusak tanaman, dengan risiko tertentu.”
Mereka kemudian mempertimbangkan data tentang berbagai faktor risiko kerawanan pangan—seperti jumlah kematian akibat konflik, curah hujan, vegetasi, dan perubahan harga pangan—untuk menentukan apakah ada korelasi antara berita yang menyebutkan faktor-faktor ini dan kemunculannya di negara-negara yang diteliti dan daerah. Di sini, mereka menemukan korelasi yang tinggi antara sifat liputan dan kejadian di lapangan dari faktor-faktor ini, yang menunjukkan bahwa berita merupakan indikator akurat dari kondisi yang dipelajari.
Tetapi untuk menentukan apakah artikel berita sebenarnya merupakan prediktor yang baik untuk krisis pangan berikutnya, tim perlu mengetahui apakah sifat liputan merupakan indikator yang layak untuk krisis di masa depan dan apakah cerita ini lebih akurat daripada pengukuran tradisional. Dengan menggunakan serangkaian berita yang lebih kecil, para peneliti menemukan bahwa dari tahun 2009 hingga 2020 dan di 21 negara rawan pangan, liputan berita menghasilkan prediksi yang lebih akurat di tingkat kerawanan pangan lokal—dan melakukannya hingga 12 bulan sebelumnya—daripada pengukuran tradisional yang tidak memasukkan teks berita. Khususnya, mereka juga menemukan bahwa melengkapi langkah-langkah prediktif tradisional dengan liputan berita semakin meningkatkan akurasi prediksi krisis pangan, menunjukkan nilai model “hibrida”.
Para peneliti juga melihat potensi penggunaan yang lebih besar untuk pekerjaan mereka.
“Indikator berita dapat diperluas ke prediksi wabah penyakit dan dampak perubahan iklim di masa depan,” kata Balashankar.
Informasi lebih lanjut: Ananth Balashankar et al, Memprediksi krisis pangan menggunakan aliran berita, Kemajuan Sains (2023). DOI: 10.1126/sciadv.abm3449. www.science.org/doi/10.1126/sciadv.abm3449
Disediakan oleh Universitas New York
Kutipan: Model pembelajaran mesin berfokus pada artikel berita untuk memprediksi wabah krisis pangan (2023, 3 Maret) diambil 3 Maret 2023 dari https://medicalxpress.com/news/2023-03-machine-focuses-news-articles-food.html
Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.