Могат ли социалните мрежи да предвидят следващия Brexit?

Провалът на социологическите проучвания и букмейкърите да предвидят резултата от британския референдум ще накара финансовия сектор, който разчита на точна информация, да търси алтернативи. Някои твърдят, че са получили добри резултати от социалните мрежи, които може би са се оказали най-добрият начин да се предвидят резултатите от вота около 23 юни, пише BloombergView.

Според сведенията Brevan Howard Asset Management, съоснована от милиардера Бреван Алан Хауърд, е намалила риска преди вота, след като е използвала изкуствен интелект, за да проучи данните от социалните мрежи. Неговият макро фонд за 16 млрд. долара отчита печалба от 1% в деня на обявяването на резултатите, докато хедж фондовете на глобално ниво загубиха 1,6%. Други фондове, съобщава Bloomberg News, пък увеличават инвестициите си в тази технология.

Засега използването на „големи дании“ за предвиждането на резултати от избори може да бъде само чиста случайност. Въпреки това резултатите от традиционните социологически агенции често са толкова подвеждащи, че експериментите с използването на данни от социалните медии заслужават повече внимание.

Обществено достъпните данни от социалните мрежи за изборите не изглеждат особено сериозни. По-голямата част от тази информация включва броенето на туитове или публикации, които споменават определен кандидат или кауза. В статия, анализираща активността в Instagram, Вячеслав Полонски от Oxford University, открива, че подкрепящите „напускане“ са били много повече и много по-активни от поддръжниците на „оставане“. Twitter представя подобни данни за активността на потребителите. Кампанията за „напускане“ е предизвикала много повече дискусии. The New York Times пък проучва данните от Facebook и открива, че „излизането“ е генерирало по-силна ангажираност сред потребителите.

Тези сурови данни обаче нямат голямо значение. Гласовитото, ядосано малцинство често създава повече шум от по-уравновесеното мнозинство. Същите хаштагове могат да бъдат използвани и от двете страни, често саркастично. Великобритания особено много обича сарказма, което прави изключително трудно определянето на настроенията на потребителя по хаштага или ключовата дума. И какво значение има тогава, че дадена кампания е била широко обсъждана, ако по-скоро е било с подигравка?

Дори ако много хора днес научават новините от социалните мрежи, привидното предимство на една група може да не предсказва финалния резултат, тъй като потребителите в Twitter, Facebook и Instagram имат склонност да си взаимодействат в групи с други потребители, които са съгласни с тях.

Андраник Томасян, професор в Technical University в Мюнхен, е сред първите, публикували анализ за това как активността в социалните мрежи е свързана с резултатите от националните избори. През 2010 г. Томасян и неговите колеги заявяват, че броят на туитовете за всяка партия сравнително точно е предсказал резултатите на парламентарните избори в Германия през 2009 г. Други изследователи по-късно доказват, че маржът на грешка в проучването на Томасян всъщност е много по-голям от традиционните социологически проучвания.

Следват по-задълбочени изследвания, които разчитат не само на честотата на споменаванията, но и на анализ на различните настроения. Именно тук се намесва изкуственият интелект. В най-добрия случай изследователите наемат хора да оценят хиляди постове като положителни, отрицателни или неутрални и да маскират други нюанси, които разработчиците на проучването смятат за важни. Тогава с тази информация се тренира изкуствена невронна мрежа, докато тя не се научи да „оценява“ сама постове. Проблемите обаче остават. През 2012 г. Даниел Гайо-Авело от University of Oviedo в Испания пише по повод работата в тази сфера:

Случаят все още е такъв с повечето публикувани разработки. Реалните прогнози се оказват неуловими. Екип от изследователи от университетите в Кардиф и Манчестър използва Twitter, за да предвидят резултата от парламентарните избори във Великобритания през 2015 г., които социологическите проучвания жестоко объркват. Същото обаче се случва и с този екип, макар че използва изтънчен анализ на настроенията. Техният модел предвижда парламент, в който няма изявено мнозинство, но все пак с малко повече места за лейбъристката партия.

В някои случаи анализът на социалните мрежи се представя малко по-добре от социологическите проучвания, но все пак отчита същите недостатъци като при традиционните анкети. Подобен анализ, например, подценява представянето на крайната дясна партия Национален фронт във Франция – партия, чиито поддръжници често не искат да изразят настроенията си публично.

Други трудни за преодоляване проблеми включват самоопределянето на даден индивид към групата, към която смята, че принадлежи, както и географския фактор. Необходими са точни данни за местоположението, за да се предвиди представянето на регионалните партии, например шотландските националисти, и как ще се раздели националният вот. Подобна информация често липсва.

С други думи в тази сравнително млада (но вече претрупана област) академиците все още се борят с оптимален дизайн на проучване, което да може да използва данни от социалните мрежи. Въпреки това очевидно някои напредничави в технологиите инвеститори вече правят пари, комбинирайки традиционните проучвания на общественото мнение с компонента „големи данни“.

Традиционните анкетьори също трябва да приемат тази технология, което може да помогне за усъвършенстването ѝ, и да започне да отчита резултатите заедно с тези от телефонните и интернет проучванията. Става все по-трудно да се направят верни прогнози със старите инструменти. В крайна сметка, в ситуации като при британския референдум, всеки глас има значение и всяка информация може да повлияе на резултата. Новите технологии не са перфектни и не е лесно да се измисли как да се приложат, но светът се променя твърде бързо, за да бъдат пренебрегнати.

Повече по темата вижте в материала на Bloomberg TV Bulgaria!