Comunicazione

Gli informatici creano nuovi sistemi di ricerca per limitare la disinformazione sul COVID-19

Wokandapix / Pixabay

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. 

Pubblicità e progresso

“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 .

Rispondi

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.