Das Modell des maschinellen Lernens konzentriert sich auf Nachrichtenartikel, um Ausbrüche von Lebensmittelkrisen vorherzusagen

Ein Forscherteam hat ein maschinelles Lernmodell entwickelt, das auf den Inhalt von Nachrichtenartikeln zurückgreift, um Orte, an denen das Risiko einer Ernährungsunsicherheit besteht, effektiv vorherzusagen. Das Modell, das verwendet werden könnte, um bei der Priorisierung der Zuteilung von Nahrungsmittelnothilfe in gefährdeten Regionen zu helfen, stellt eine Verbesserung gegenüber bestehenden Messungen dar.

„Unser Ansatz könnte die Vorhersage von Ausbrüchen von Lebensmittelkrisen bis zu 12 Monate im Voraus drastisch verbessern, indem er sowohl Echtzeit-Nachrichtenströme als auch ein einfach zu interpretierendes Vorhersagemodell verwendet“, sagt Samuel Fraiberger, Gastforscher am Courant Institute der New York University of Mathematical Sciences, Datenwissenschaftler bei der Weltbank und Autor der Studie, die in der Zeitschrift erscheint Wissenschaftliche Fortschritte.

„Traditionelle Messungen von Risikofaktoren für Ernährungsunsicherheit, wie z. B. Indizes für die Schwere von Konflikten oder Änderungen der Lebensmittelpreise, sind oft unvollständig, verzögert oder veraltet“, fügt Lakshminarayanan Subramanian hinzu, Professor am Courant Institute und einer der Autoren des Papiers. „Unser Ansatz nutzt die Tatsache, dass Risikofaktoren, die eine Lebensmittelkrise auslösen, in den Nachrichten erwähnt werden, bevor sie mit traditionellen Messungen beobachtbar sind.“

Ernährungsunsicherheit bedroht das Leben von Hunderten 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 Bedingungen, stellen die Autoren des Papiers fest, haben sich seitdem aufgrund der COVID-19-Pandemie und des Klimawandels verschlechtert , und bewaffnete Konflikte – im Jahr 2021 waren weltweit zwischen 702 und 828 Millionen Menschen von Hunger betroffen. Darüber hinaus hat die schwere Ernährungsunsicherheit im Jahr 2021 sowohl weltweit als auch in allen Regionen zugenommen.

Trotz der akuten und weit verbreiteten Natur dieses Leidens verlassen sich die derzeitigen Methoden zur Erkennung zukünftiger Lebensmittelkrisen auf Risikomaße, die unzureichend sind und die Bemühungen zu ihrer Bewältigung behindern.

Bei der Entwicklung eines besseren Modells erwogen die Autoren des Papiers, zu denen auch Ananth Balashankar, eine Courant-Doktorandin, gehörte, die Möglichkeit, dass Nachrichtenberichterstattung, die Echtzeit-Vor-Ort-Berichte über lokale Entwicklungen bietet, als Möglichkeit dienen könnte Frühwarnsystem für drohende Lebensmittelkrisen.

Die Forscher sammelten Text aus mehr als 11 Millionen Nachrichtenartikeln, die sich auf fast 40 Länder mit Ernährungsunsicherheit konzentrierten und zwischen 1980 und 2020 veröffentlicht wurden. Anschließend entwickelten sie eine Methode, um bestimmte Sätze in diesen Artikeln zu extrahieren, die sich auf Ernährungsunsicherheit beziehen, und die eine journalistische Bewertung erfassen in bemerkenswertem Detail. Insbesondere berücksichtigt das Tool fast 170 Textmerkmale, um die Semantik der Sätze zur Ernährungsunsicherheit korrekt einzuschätzen und zu markieren, wann die Artikel erscheinen. Das Folgende ist ein Beispiel aus dem Südsudan, das sowohl den Standort als auch die Risikofaktoren umreißt: „Die Hungersnot könnte in einige Teile des Landes zurückkehren, wobei der östliche Landkreis Pibor, wo Überschwemmungen und Schädlinge die Ernte verwüstet haben, besonders gefährdet ist.“

Anschließend berücksichtigten sie Daten zu einer Reihe von Risikofaktoren für Ernährungsunsicherheit – wie z Regionen. Hier fanden sie eine hohe Korrelation zwischen der Art der Berichterstattung und dem Vorkommen dieser Faktoren vor Ort, was darauf hindeutet, dass Nachrichtenmeldungen ein genauer Indikator für die untersuchten Bedingungen sind.

Aber um festzustellen, ob Nachrichtenartikel tatsächlich ein guter Indikator für nachfolgende Lebensmittelkrisen sind, musste das Team wissen, ob die Art der Berichterstattung ein brauchbarer Indikator für zukünftige Krisen ist und ob diese Berichte dies genauer tun als herkömmliche Messungen. Unter Verwendung einer kleineren Reihe von Nachrichten fanden die Forscher heraus, dass die Berichterstattung von 2009 bis 2020 und in 21 Ländern mit Ernährungsunsicherheit genauere Vorhersagen auf lokaler Ebene der Ernährungsunsicherheit lieferte – und dies bis zu 12 Monate im Voraus – als traditionelle Messungen, die keinen Nachrichtentext enthielten. Bemerkenswerterweise fanden sie auch heraus, dass die Ergänzung traditioneller Vorhersagemaße durch Berichterstattung in den Nachrichten die Genauigkeit der Vorhersagen von Nahrungsmittelkrisen weiter verbesserte, was auf den Wert von “Hybrid”-Modellen hindeutet.

Die Forscher sehen auch potenzielle größere Anwendungen für ihre Arbeit.

„Nachrichtenindikatoren könnten auf die Vorhersage von Krankheitsausbrüchen und die zukünftigen Auswirkungen des Klimawandels ausgeweitet werden“, beobachtet Balashankar.