利用社交媒体和人工智能加速灾难期间的供应链援助
阿拉巴马大学亨茨维尔分校 (UAH) 的一名博士生是《国际生产研究杂志》一项研究的主要作者，该研究调查了如何利用社交媒体平台与人工智能 (AI) 为灾难受害者提供与外部援助和支持之间的重要沟通渠道。维什瓦·维贾伊·库马尔 (Vishwa Vijay Kumar) 是阿拉巴马大学系统下属阿拉巴马大学工业与系统工程与工程管理专业的博士生，他与阿拉巴马大学系统的另一位研究员阿维曼尤·萨胡 (Avimanyu Sahoo) 博士、桑普森·戈斯顿 (Sampson Gholston) 博士以及库马尔的导师、伊利诺伊理工学院的西瓦·K·巴拉苏布拉马尼安 (Siva K. Balasubramanian) 博士联手支持该计划。
在该项目中，研究团队使用了 Twitter X 的数据，这些数据来自新冠疫情期间两个为期六周的时间段和两个国家：疫情爆发时的美国（2020 年 3 月至 4 月）和德尔塔变种病毒激增时的印度（2021 年 5 月至 6 月）。
这些时期医疗供应链的中断导致口罩、药品、重症监护患者呼吸机等基本设备严重短缺。
库马尔说：“我出生在印度比哈尔邦西塔玛里附近的乡村，那里靠近尼泊尔边境，喜马拉雅河洪水等自然灾害频发。”
“洪水可能蔓延数英里，成千上万的人被困在家中，他们需要紧急医疗和食品援助以及救援行动。从小我就被激励去开发一个框架，让有需要的人能够向世界和相关当局传达他们的要求，以便他们协调及时帮助受灾者。”
2020 年的 COVID-19 疫情带来了一场不同寻常的灾难，影响了全球数十亿人，并暴露了全球医疗供应链的重大漏洞。检测试剂盒、氧气瓶和病床等基本物资严重短缺，凸显了高效资源分配和实时信息的迫切需求。
“这种情况重新点燃了我早期的动机，让我探索如何利用社交媒体和人工智能来加快灾难响应速度，并缓解危机期间的卫生和供应挑战，”库马尔说。“我和我的博士学术顾问萨胡博士讨论了这个想法。”
随后的研究提出了一个四步流程，并开发了算法来解析来自 390 万条推文的信息，以使用人工智能和机器学习来识别重要信息。
识别了 Twitter 帖子中的关键词，以表明哪些推文包含与疫情供应链中断相关的信息，并对其进行处理以进行内容分析和建模。推文被归类为“紧急”或可采取行动的求助请求，以及“非紧急”提供不可采取行动的信息。
分析的数据还估计了缺乏地理标记信息的命令推文的地理位置，以方便协调援助行动。
此外，研究人员还发现了灾难条件下医疗供应链面临的许多挑战，这些挑战是未来研究的重点。
主题包括对在社交媒体上发布关切但未指明其位置的有需要的人进行地理定位；预测 COVID-19 疫苗供应；预测医疗和食品供应的可用性；使用其他社交媒体（例如 Facebook、Instagram 等）以及寻找这些改进可适用于其他灾难事件（例如飓风和地震）的地方。
库马尔总结道：“我们还计划开发一个平台/工具，扫描灾难事件的社交媒体帖子，并生成供需问题和请求帮助的人员的地理位置的实时报告。”
页:
[1]