I ricercatori hanno creato un nuovo sistema che aumenta dell’80% la correttezza e l’affidabilità delle ricerche relative alla salute per aiutare le persone a prendere decisioni migliori su argomenti come il COVID.
I motori di ricerca sono gli strumenti più comuni che il pubblico utilizza per cercare informazioni su COVID-19 e sui suoi effetti sulla salute. Una proliferazione di disinformazione può avere conseguenze reali, quindi un team dell’Università di Waterloo ha creato un modo per rendere queste ricerche più affidabili.
“Con così tante nuove informazioni che escono continuamente, può essere difficile per le persone sapere cosa è vero e cosa non lo è”, ha detto Ronak Pradeep, uno studente di dottorato presso la Cheriton School of Computer Science a Waterloo e autore principale di un studio sul programma. “Ma le conseguenze della disinformazione possono essere piuttosto gravi, come le persone che escono e comprano medicinali o usano rimedi casalinghi che possono ferirli”.
Anche i grandi motori di ricerca che ospitano miliardi di ricerche ogni giorno non riescono a tenere il passo, ha detto, dal momento che ci sono stati così tanti dati scientifici e ricerche su COVID-19 in così poco tempo.
“La maggior parte dei sistemi è addestrata su dati ben curati, quindi non sempre sanno come distinguere tra un articolo che promuove il consumo di candeggina per prevenire COVID-19 rispetto alle informazioni sulla salute reali”, ha affermato Pradeep. “Il nostro obiettivo è aiutare le persone a vedere gli articoli giusti e ottenere le informazioni giuste in modo che possano prendere decisioni migliori in generale con cose come il COVID”.
Pradeep afferma che il progetto mira a perfezionare i programmi di ricerca per promuovere le migliori informazioni sanitarie per gli utenti. Lui e il suo team di ricerca hanno sfruttato la loro architettura di riclassificazione neurale a due stadi chiamata mono-duo-T5 per la ricerca, che hanno potenziato con Vera, un sistema di previsione delle etichette addestrato a distinguere le informazioni corrette da quelle dubbie e errate. Il sistema si collega a un protocollo di ricerca che si basa sui dati dell’Organizzazione mondiale della sanità e su informazioni verificate come base per classificare, promuovere e talvolta anche escludere articoli online.
Un recente documento con i risultati dei test preliminari del sistema, ” Vera: prediction techniques for reducing harmful misinformation in consumer health search, “, con i coautori Pradeep, Xueguang Ma, Rodrigo Nogueira e Jimmy Lin, è stato recentemente pubblicato su SIGIR ’21: Atti della 44° Conferenza Internazionale ACM SIGIR su Ricerca e Sviluppo nel Recupero delle Informazioni .