En folkestemning kan være vanskelig å sette fingeren på.

Ikke minst på sosiale medier, der en uendelig strøm av nye Facebook-innlegg, Twitter-meldinger og Instagram-poster spyttes ut i systemet hvert eneste sekund, døgnet rundt.

Nå kan nye teknologiske verktøy bidra til å skape mer oversikt.

Forskere fra Københavns Universitet har brukt kunstig intelligens og en språkmodell til å finne, «lese» og senere dele innholdet i 30 000 Twitter-meldinger om klimavennlig mat inn i ulike argumenter.

Ved å få en datamaskin til å sortere meldingene kan forskerne se nye mønstre, forteller en av forskerne som står bak arbeidet, Daniel Hershcovich.

– Jeg føler at mange har helt ulike grunner til å spise mer grønt. Så jeg ville undersøke hva folk egentlig bruker av argumenter, forteller Hershcovich, som er førsteamanuensis ved Datalogisk Institut ved Københavns Universitet.

les også

Året da kunstig intelligens for alvor begynte å tegne, kode og skrive dikt

Opplevelser viktigere enn fakta

Hvis myndighetene skal få folk til å spise mer plantebasert, men ikke vet hvilke argumenter som fenger, kan de få hjelp fra Hershcovichs metode.

Innsiktene fra studien viser nemlig at de fleste på Twitter bruker personlige opplevelser og historier i stedet for fakta fra eksperter og medier når de argumenterer for å spise mer bærekraftig.

Men Hershcovich påpeker at analysene foreløpig er basert på en begrenset datamengde. Selv om 30.000 Twitter-meldinger høres mye ut, er det ikke det i informatikernes verden.

– Det neste skrittet er å bruke de samme algoritmene på milliarder av Twitter-meldinger, forklarer Hershcovich.

Forskningen er fortsatt ikke utgitt i et vitenskapelig tidsskrift. Resultatene må med andre ord leses med forbehold.

Datamaskiner graver etter digitale data-råvarer

Metoden kalles for «argument mining».

I motsetning til tradisjonell gruvedrift, som metoden er oppkalt etter, graver ikke data-forskerne etter råvarer. De utvinner ytringer om et bestemt emne på sosiale medier.

I stedet for tunge gravemaskiner bruker de datakraft, kunstig intelligens og språkmodeller for å samle inn de digitale råvarene. I dette tilfellet Twitter-meldingene om klimavennlig mat.

Den kunstige intelligensen og en rekke språkmodeller brukes senere til å analysere de 30.000 meldingene i ulike kategorier.

Det gir innsikt i hva slags argumenter som rører seg i Twitter-dypet.

Datamaskiner kan også analysere følelser

«Argument mining» er i familie med et annet forskningsområde som innen datalingvistikken kalles «sentiment analysis» – altså «følelsesanalyse».

Det forteller Ole Winther, som er professor ved Danmarks Tekniske Universitet (DTU), som ikke har vært involvert i studien, men kaller det for «verdifullt arbeid»:

– De har utarbeidet et godt datasett som man kan bruke til å ta temperaturen på hva som blir skrevet om et emne, sier Winther, som forsker på maskinlæring og språkmodeller.

«Følelsesanalyse» er et omtrent 20 år gammelt felt som brukes til å bestemme om en tekst er sint, glad, trist eller har en annen gjennomgående følelse.

– Ord blir markert som positive, glade eller sinte og så videre, og teller datamaskinen opp om det flest negative eller positive ord i en tekst.

– Ut fra disse kategoriene har man for eksempel kunnet se at folk er mer sinte om vinteren, forteller Winther, som også er professor i bioinformatikk.

Med argument-analysen går man imidlertid litt dypere fordi det er mer språklig komplekst å kategorisere argumenter enn følelser.

Å måle en folkestemning

Å lage treffsikre kampanjer for klimavennlig mat er bare ett lite eksempel på hva de to datastyrte tekstanalyse-metodene kan brukes til, påpeker Winther.

I bunn og grunn kan de brukes til å måle stemning blant folk, noe som kan være verdifullt for bedrifter og politikere.

– En stor bedrift som Danske Bank vil nok gjerne vite hva folk på Twitter eller Facebook synes folk om dem, forklarer Winther.

– Det er veldig nyttig for å forberede seg på en mediestorm. Eller hvis man vil måle popularitet eller utarbeide bedre kommunikasjonskampanjer.

Kan det misbrukes?

Teknologien er med andre ord gode nyheter for bedrifter og politikere. Men hva med forbrukerne og velgerne? At noen blir flinkere til å lage gode kampanjer for klimavennlig mat er vanskelig å hisse seg opp over.

– Men kan ikke metodene også brukes til å lage perfekte – men uetiske – reklamer for pengespill og tobakk? Eller vinne politiske valg?

– Vi har tenkt på det. Det er et viktig poeng. Akkurat nå er metoden mer egnet til å undersøke hvilke grunner folk har enn å skape atferdsendringer, forteller Daniel Hershcovich.

– Du kan rette teknologien mot andre ting, sier Ole Winther.

– Det er som ChatGPT. AI som kan generere masse innhold, kan prege medieverdenen.

Winther håper og tror kan utvikle tilstrekkelig kritisk bevissthet:

– Ulike Facebook-skandaler har for eksempel gjort at mange er litt mer skeptiske overfor hva de får servert av innhold, sier han.

© Videnskab.dk. Oversatt av Lars Nygaard for forskning.no. Les originalsaken på videnskab.dk her.