使用数据与COVID-19作战
#FlattenTheCurve。＃呆在家里。#QuarantineLife。他们一直都在流行，似乎每个人都知道该是时候在家中，室内以及尽可能远的距离（身体上）了。我们正处于一个全球流行病之中，这是一个世纪以来最严重的一次，但是我们仍然看到人们在大街上四处走动，聚集在一起，反对专家和卫生专业人员的明确建议。
为什么危害公共安全？是由于缺乏信息吗？快速的在线搜索将产生有关病毒如何传播以及我们如何防止其传播的结果。我们会看到有关当前感染率，轻度和重度病例甚至死亡人数的实时信息。新闻媒体，博客和社交媒体充斥着COVID-19的报告和评论。为什么所有的东西都没有陷入？
让我们从更人性化的角度检查通信故障：
每个硬币的两侧
报告数字和统计数据只是成功的一半。接收信息的人必须自己解码，解释和确定此信息对他们意味着什么。这包括加剧诸如确认偏差之类的因素，以及难以获得可信信息（或者换句话说，人们相对容易找到错误信息）。
确认偏差
确认偏见是一种认知偏见，在这种偏见中，与我们现有信念一致的信息比与我们现有信念不一致的信息更为重要，并且更容易被记住。例如，如果您偏爱红色而不是蓝色，并且已经发表了关于为什么红色更好，为什么蓝色更好的有效研究，那么您更有可能相信并记住支持您对红色的热爱的研究。
确实，著名医学杂志的发现证实了这种偏见。在一项研究中， Pascal Geldsetzer 要求3000名美国和3000名英国参与者回答22个在线调查问题。该调查包含有关COVID-19流行病的病因，现状和未来发展，其症状知识和建议的医疗保健行为以及预防COVID-19感染的知识。当被问及谁感染了COVID-19时最有可能死亡的危险时，所有参与者都正确地确定只有一小部分与该病毒接触的人会死亡，而如果感染了该病毒，则老年人最多风险。然而，有趣的是，很大比例的参与者（美国的53.9％；英国的39.2％）也确定幼儿处于高死亡风险中。这是不一致的信息，在可靠的在线来源中发布，
在另一个问题中，Geldsetzer向参与者询问了COVID-19的三种最常见症状是什么，所有参与者都能够正确地将发烧，咳嗽和呼吸急促识别为症状。但是，当被问及如果认为自己已与被诊断出COVID-19的人接触将是最好的行动方案时，不到65％的参与者正确地确定了正确的行动方案。有关COVID的信息告诉我们待在家里打电话给医疗保健专业人员；但是，由于我们被教导要生病时去看医生，因此我们首先要依靠这种智慧。
鉴于我们为了遏制COVID-19而需要采取的某些事实和采取的行动直接违背了我们现有的信念，因此我们中的许多人只是根本没有吸收向我们提供的新信息。我们知识上的空白可能部分地导致了为什么某些人的行为没有正确适应。
大量不良信息
并非每个人都遵守医学专家的建议的另一个原因可能是可用信息的优缺点不平衡。尽管新闻，Facebook和Twitter等媒体来源对于提高人们对该流行病的认识至关重要，但这些来源所传播的信息并不总是准确的。
皮尤研究中心（Pew Research Center）进行的一项研究 发现，尽管大多数美国人声称至少“相当密切地”关注新闻，但相当一部分的美国成年人认为，人类在COVID-19的产生中发挥了作用。几乎有29％的美国人认为COVID-19是人类开发的，其中23％的人认为它是有意开发的，还有6％的人认为它是偶然开发的。但是您不会在新闻中发现这一点，因为它完全没有根据。这些结论从何而来，没有证据支持该主张？
对于很少或根本没有医学知识的人或议程别有用心的人来说，很容易误解或误解思想和信息。当皮尤研究中心的研究人员问美国人何时认为可以使用治疗方法时，至少五分之一的美国人认为疫苗将在未来几个月内使用。
可靠的COVID-19信息与不可靠的信息的比率很低。错误信息是危险的，因为它有可能影响人们的举止，而行为方式与专家的建议不一致，并给整个社会带来风险。
与良好的数据抗衡不良信息
那么，我们如何使用数据和数据科学来提高人们的知识水平，并最大程度地减少人们对COVID-19的误解？
我们在ThinkData Works的团队已经收集了 庞大的COVID-19数据存储库， 并可以通过Namara进行访问。我们正在不断更新和扩展那里可用的数据，以帮助我们尽力遏制这一大流行。
以下是一些建议的方法，可以使用这些方法将数据和数据科学用于解决COVID-19，也许可以帮助我们为将来的任何暴发做好准备：
使用聚类算法进行有效和有针对性的交流
我们现在比以往任何时候都更有能力覆盖特定的受众。每个影响广泛的品牌都有责任向其关注者传播安全信息，这些信息专门针对细分受众群。实际上，许多企业已经在这样做，以优化其营销工作。仅在这种情况下，细分的目的不是增加销量，而是鼓励采取负责任的行为以防止COVID-19进一步传播。
使用图分析来确定最接近被感染个体的个体
人类是社会存在的个体。有人会说，我们的群居天性和我们在社会中协同工作的能力也许是使人类如此成功的原因。但是，这恰恰是我们在COVID-19大流行期间必须避免的行为类型。通过对社交媒体数据进行图分析来确定友谊群体，我们可以确定在交流频率和新近度上与感染者“亲密”的人，并请他们采取额外的预防措施。这种早期检测可以使受感染的个体采取负责任的行动，例如自我检疫。
使用自然语言处理（NLP）识别虚假新闻
在社交媒体上使用自然语言处理，研究人员可以使用这种类型的分析将事实与虚构分开，并帮助减少与冠状病毒相关的虚假新闻的传播。
使用社交媒体数据挖掘来分析人们的迁移方式
有大量的信息将使我们能够预测人们在不久的将来的活动，包括旅行计划，目的地和旅行者数量。金融机构通常将其用作反欺诈措施，重新采用这些算法可以帮助医疗专业人员识别爆发风险高的地区。该情报可用于了解人口流动较多的地区。
使用AI对来自搜索引擎的数据进行建模以绘制暴发疫情，
COVID-19只是不断增长的现代疾病中最新的一种。为了最好地帮助医疗专业人员主动控制致命的爆发，我们可以将AI应用于可以映射爆发的模型数据。这不仅可以帮助科学家了解COVID-19的运动方式，还可以增加知识体系，帮助科学家控制未来的爆发。
总之，关于COVID-19的可靠信息可广泛获得，但是这些来源并非总是最容易获得的。错误的信息和知识上的不足可能部分归因于为什么人们在COVID-19大流行期间没有采取必要的预防措施。在ThinkData Works，我们正在将COVID-19数据收集，验证和处理到一个中央存储库中，以便研究人员可以花费更多时间运行模型和建立预测。我们向任何可以从此数据中受益的人免费提供访问权限。我们敦促您与您的网络共享此信息和数据，因为有权访问此数据的人越多，我们可以产生的影响就越大。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！