Algoritme mengidentifikasi siapa yang dapat mempromosikan perilaku sehat dengan baik di jejaring sosial
Machine

Algoritme mengidentifikasi siapa yang dapat mempromosikan perilaku sehat dengan baik di jejaring sosial


Kredit: Unsplash / CC0

Pandemi virus corona telah menunjukkan bahwa salah satu senjata terpenting dalam memerangi penyakit apa pun adalah informasi yang akurat — dan orang-orang tepercaya dalam komunitas untuk menyebarkannya.

Bagaimana cara menyampaikan informasi yang baik kepada orang-orang yang membutuhkannya merupakan pertanyaan yang telah lama melanda pejabat kesehatan masyarakat.

Salah satu pendekatan, yang dikenal sebagai agen perubahan teman sebaya, adalah merekrut pemimpin sebaya untuk mempromosikan perilaku sehat dan informasi tentang pencegahan penyakit dalam jaringan sosial mereka. Strategi ini telah digunakan, dengan hasil yang beragam, di komunitas yang berisiko tinggi untuk infeksi dan penularan HIV, khususnya di kalangan remaja tunawisma.

Remaja tunawisma 10 kali lebih mungkin dites positif HIV dibandingkan remaja yang memiliki akses ke perumahan yang stabil. Pekerja sosial dan pejabat kesehatan masyarakat telah menggunakan strategi agen perubahan sebaya untuk mempromosikan perilaku seperti penggunaan kondom dan tes HIV secara teratur dalam komunitas ini, tetapi keberhasilan tampaknya terkait dengan memilih pemimpin sebaya yang tepat yang akan memiliki dampak terbesar dalam komunitas mereka.

Di situlah AI dapat membantu. Selama hampir dua dekade, ilmuwan komputer telah mengeksplorasi bagaimana sejumlah node dalam jaringan sosial dapat digunakan untuk memaksimalkan penyebaran informasi.

Sekarang, para peneliti di Harvard John A.Paulson School of Engineering and Applied Sciences (SEAS), bekerja sama dengan University of Southern California dan Pennsylvania State University, telah mengembangkan sistem AI yang dapat mengidentifikasi orang-orang dalam jaringan sosial yang paling dapat secara efektif mempromosikan informasi tentang pencegahan HIV kepada rekan-rekan mereka. Dalam uji coba lapangan yang dilakukan dengan lebih dari 700 remaja tunawisma, para peneliti menemukan bahwa algoritme mereka secara signifikan mengurangi perilaku berisiko utama penularan HIV dalam populasi.

Penelitian ini dipresentasikan di Konferensi Asosiasi untuk Kemajuan Kecerdasan Buatan (AAAI).

“Secara berlawanan, orang yang paling populer biasanya tidak paling terhubung dalam jaringan,” kata Milind Tambe, Profesor Ilmu Komputer Gordon McKay di SEAS dan penulis senior makalah tersebut. “Sebagai ilmuwan komputer, kami dapat mengoptimalkan pemilihan pemimpin sebaya berdasarkan siapa yang memiliki koneksi paling banyak ke kelompok yang berbeda.”

Tim peneliti bermitra dengan pekerja sosial di pusat singgah untuk remaja tunawisma, tempat di mana remaja tunawisma dapat menerima makanan, pakaian, manajemen kasus, dan tes HIV keliling. Tim tersebut merekrut lebih dari 700 peserta di tiga pusat.

Bekerja dengan pekerja sosial dan peserta itu sendiri, para peneliti memetakan jaringan sosial peserta dan menggunakan algoritme mereka untuk menemukan pemimpin dengan rangkaian koneksi paling beragam, di seluruh kluster jaringan yang berbeda.

Fasilitator dari tim peneliti pekerjaan sosial kemudian melatih para pemimpin sebaya yang dipilih tentang kesehatan seksual, pencegahan HIV, keterampilan komunikasi, keterampilan kepemimpinan, dan perawatan diri. Para pemimpin sebaya diminta untuk mempromosikan tes HIV secara teratur dan penggunaan kondom melalui komunikasi dengan ikatan sosial mereka di pusat pelayanan.

Tim peneliti menemukan bahwa remaja yang terdaftar dalam strategi yang dibantu AI, yang dijuluki CHANGE (CompreHensive Adaptive Network samplinG for social influencE), secara signifikan lebih kecil kemungkinannya untuk melakukan hubungan seks tanpa kondom dibandingkan rekan mereka yang terdaftar dalam kelompok observasi saja. Para peneliti juga menemukan bahwa perilaku berubah lebih cepat dalam kelompok PERUBAHAN daripada kelompok di mana pemuda paling populer direkrut sebagai pemimpin sebaya. Sebagian besar peningkatan untuk peserta di CHANGE terjadi pada survei satu bulan, sementara peningkatan pada kelompok “paling populer” tidak terlihat sampai bulan ketiga.

“Kecepatan kami melihat hasil dalam grup PERUBAHAN sangat penting,” kata Bryan Wilder, mahasiswa pascasarjana di SEAS dan penulis pertama studi tersebut. “Pengadopsian cepat perilaku protektif tidak hanya membantu segera mengurangi penularan HIV pada populasi berisiko tinggi, tetapi populasi ini juga sangat sementara. Banyak dari orang-orang muda ini akan meninggalkan pusat perawatan pada saat intervensi tiga bulan. selesai jadi, Anda harus dapat menjangkau orang sebanyak mungkin dalam waktu singkat. “

“Sepengetahuan kami, ini adalah demonstrasi pertama penggunaan metode AI untuk mengoptimalkan intervensi jejaring sosial untuk kesehatan,” kata Tambe. “Kami berharap proyek ini dapat memberikan pelajaran umum tentang bagaimana penelitian AI dapat berhasil digunakan untuk kebaikan sosial.”

“Strategi ini dapat digunakan untuk menyebarkan informasi di dalam komunitas tentang nutrisi, penyalahgunaan zat dan krisis kesehatan masyarakat lainnya yang berdampak pada orang yang paling rentan di masyarakat kita,” kata Wilder.


Bisakah AI mencegah penyebaran HIV pada remaja tunawisma?


Informasi lebih lanjut:
Konferensi Asosiasi untuk Kemajuan Kecerdasan Buatan (AAAI): www.aaai.org/

Disediakan oleh Universitas Harvard

Kisah ini dipublikasikan atas izin Harvard Gazette, surat kabar resmi Universitas Harvard. Untuk berita universitas tambahan, kunjungi Harvard.edu.

Kutipan: Algoritme mengidentifikasi siapa yang dapat mempromosikan perilaku sehat dengan paling baik di jejaring sosial (2021, 22 Februari) diambil pada 22 Februari 2021 dari https://techxplore.com/news/2021-02-algorithm-healthy-behaviors-social-network.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP