Help mee om nieuwe coronagolven te voorspellen door tweets te analyseren.

Wat ga je doen?

Je surft naar de webpagina van het project. Op deze website krijg je links in het scherm Franstalige tweets te zien. De berichten zijn getweet vanuit Parijse regio's, waarna ze werden gefilterd op sleutelwoorden die symptomen weergeven en ten slotte werden ze geplot in de tijd. Jij helpt mee om een onderscheid te maken tussen tweets die inderdaad symptomen van covid-19 beschrijven, en tweets die er bij nader inzien niets mee te maken hebben. Een covid-tweet kan gaan over de persoon die zelf symptomen ervaart, of over een familielid, kennis of vriend met symptomen. Belangrijk is dat de tweet niet gaat over gebeurtenissen uit het verleden. Je kan ook steeds tweets overslaan met de skip-knop wanneer je niet zeker bent. 

Waarom doe je mee?

Door tweets te analyseren help je mee om een toekomstige golf op te sporen. Momenteel worden tweets gefilterd via een algoritme, maar dit algoritme slaagt er niet in om de relevante tweets te onderscheiden van de vals-positieve meldingen. Omdat mensen daar veel beter in zijn, schakelen de onderzoekers jouw hulp in. De gegevens die door jou en andere vrijwilligers zijn geanalyseerd, wordt dan gebruikt om het algoritme te verbeteren. Op die manier wordt het herkennen van een komende nieuwe golf hopelijk snel geautomatiseerd. 

Wie kan meedoen?

Je spreekt best goed Frans. Verder heb je enkel een computer nodig die verbonden is met het internet.  

Wie organiseert het?

COVID19 Tweet annotation is een project van onder meer Marc Santolini. Hij is de teamleider van het Interaction Data Lab en is, eveneens als teamleider, verbonden aan het CRI onderzoekslab in Parijs. Hij behaalde een master in theoretische fysica, waarna hij een PhD behaalde in het Statistical Physics departement. Hier bestudeerde hij gen-gereguleerde netwerken door technieken vanuit de fysica en machine learning te combineren met elkaar. Hierna werkte hij aan het Network Science Institute van de Northeastern University in Massachusetts en de divisie Network Medicine aan Harvard Medical School.