به گزارش کارگروه فناوری سایبربان، گروهی از محققان استرالیایی دریافتند که می‌توان از داده‌های فیس‌بوک برای تخمین میزان انتقال کووید 19 از نقاط شناسایی‌شده استفاده کرد.
با برنامه Facebook Data for Good می‌توان تعداد افرادی که در فواصل 8 ساعته در دوران اوج کرونا در رفت‌وآمد بودند را مشخص کرد. محققان دانشگاه‌های ملبورن، Adelaide، Monash، New South Wales و Victorian با استفاده از داده‌های این برنامه سعی کردند مشخص کنند چه میزان از الگوهای حرکتی داده‌های تلفن همراه می‌توان برای پیش‌بینی خطرات انتقال کووید 19 استفاده کرد.
محققان گفتند به این دلیل از آن‌ها خواسته‌شده این مطالعه را انجام دهند که ممکن است ویروس کرونا توسط افرادی که مبتلا هستند ولی علائم کمی دارند و بدون علائم هستند منتشر شود؛ انتقال گسترده و غیرقابل‌کشف این بیماری قبل از تشخیص علائم بالینی اتفاق می‌افتد؛ بنابراین هنگامی‌که یک بیماری شیوع پیدا می‌کند باید پیش‌بینی کرد چه نقاطی بیشترین خطر را دارند.
به‌عنوان بخشی از این مطالعه که در ژورنال (Royal Society Interface) منتشرشده، محققان بیان کردند می‌توان از داده‌های حرکتی فیس‌بوک برای تخمین الگوهای انتقالی این ویروس در آینده استفاده کرد. پس‌ازآن باید بررسی کرد که برآوردها چه مقدار به تعداد مبتلایان جدید نزدیک است.
محققان می‌گویند:
نتایج مطالعات ما نشان می‌دهد که صحت تخمین‌های ما از محیط‌های مختلف شیوع متفاوت است. صحت تخمین ما از محیط‌های کار بیشتر و از محیط‌های اجتماعی کم‌تر است.
آن‌ها معتقدند در سناریوهای انتقال اجتماعی، پیش‌بینی که بر اساس اطلاعت حرکتی انجام‌شده و پیش‌بینی که بر اساس موارد مثبت مبتلا انجام‌شده را باهم مقایسه می‌کنیم. نتایج نشان می‌دهد در مراحل اولیه شیوع یعنی زمانی که موارد شناسایی‌شده مشخص می‌شوند و در بیشتر مناطق مبتلای جدیدی یافت نمی‌شود، اطلاعات حرکتی بسیار سودمند هستند.
بااین‌حال محققان تأیید کردند محدودیت‌هایی در مطالعه‌ی آن‌ها وجود دارد؛ ازجمله لزوم رعایت حریم خصوصی و ملاحظات اخلاقی هنگام استفاده از داده‌های حرکتی برای نظارت بر بیماری و همچنین ارائه‌ی داده‌های حرکتی مغرضانه از سوی فیس‌بوک را یکی دیگر از این محدودیت‌ها دانستند زیرا این داده‌ها نمونه‌های غیریکنواخت و اساساً غیر مشخص از جمعیت را نشان می‌دهند.
بااین‌وجود محققان نتیجه گرفتند که مدل ارزیابی آن‌ها می‌تواند به‌عنوان یک پیش‌بینی کننده‌ی مؤثر برای خطر انتقال، به‌ویژه شیوع در محل کار و یا سایر محیط‌های مرتبط با رفت‌وآمدهای عادی مورداستفاده قرار گیرد.
محققان همچنین خاطرنشان کردند نتایج تحقیقاتشان نشان می‌دهد در سناریوهای انتقال در جمع، زمانی که تعداد مبتلایان کم باشد، داده‌های حرکتی بیشترین تأثیر را در پیش‌بینی‌ها دارند.
آن‌ها افزودند این روش می‌تواند برای کمک به سیستم بهداشتی در تعیین چگونگی تخصیص منابع آزمایش و میزان محدودیت‌های جامعه مورداستفاده قرار گیرد.
