Suivre les conversations e-cigarette sur Twitter en utilisant l’intelligence artificielle

La publicité des produits à base de nicotine est très restreinte, mais les médias sociaux permettent de commercialiser ces produits auprès des jeunes. De plus, les arômes des cigarettes électroniques les rendent particulièrement attrayants pour les adolescents et les jeunes adultes. Une équipe de chercheurs a développé des méthodes d’apprentissage automatique pour suivre les conversations sur les réseaux sociaux au sujet des produits aromatisés de l’une des marques de cigarettes électroniques les plus populaires, JUUL.

« De plus en plus de discussions sur les cigarettes électroniques ont lieu en ligne, en particulier dans les médias sociaux populaires tels que Twitter, Instagram et Facebook. Étant donné que le contenu lié aux cigarettes électroniques est souvent destiné aux jeunes, qui sont également très actifs sur de nombreuses plateformes de médias sociaux, il est important d’explorer ces conversations », déclare le Dr Aqdas Malik, chercheur postdoctoral au Département d’informatique de l’Université Aalto.

Des recherches antérieures ont montré que les jeunes trouvent l’arôme des cigarettes électroniques attrayant, et Malik lui-même a utilisé l’IA pour étudier comment les entreprises de vapotage utilisent Instagram pour promouvoir leurs produits auprès des jeunes. Dans leur nouveau travail, l’équipe a développé des méthodes d’apprentissage automatique pour étudier les thèmes et les sentiments clés autour des conversations Twitter sur les saveurs JUUL.

L’équipe a analysé plus de 30 000 tweets et a trouvé de nombreux tweets positifs sur les différentes saveurs. « Les saveurs populaires, telles que la mangue, la menthe et le concombre sont très attrayantes mais aussi addictives pour les jeunes, et doivent être davantage réglementées », a déclaré Malik. « Il est également nécessaire de plafonner les activités promotionnelles des détaillants de cigarettes électroniques telles que les cadeaux publicitaires, l’annonce de nouveaux arrivages de stock, les remises et les campagnes » achetez plus, économisez plus « . »

Dans l’ensemble, les tweets avaient un ton extrêmement positif, bien que certains arguments aient été avancés contre le produit et le caractère addictif de ses saveurs. Un autre thème central parmi les conversations négatives était la législation proposée, principalement par des militants anti-tabac et des organes de presse.

L’équipe espère que les outils d’IA qu’elle a développés, qui reposent sur la plate-forme open source BERT de Google, pourraient être utilisés par les régulateurs pour aider à surveiller la façon dont les produits de cigarette électronique sont promus auprès des jeunes. Formé sur des données Web, Google BERT est une technique d’apprentissage automatique relativement nouvelle pour le traitement du langage naturel et il a déjà été démontré qu’il excelle dans la prédiction des sentiments, permettant à l’équipe d’étiqueter les tweets individuels comme positifs ou négatifs.

Bien que ce travail se soit concentré sur la messagerie Twitter, les outils utilisés peuvent également être facilement appliqués aux données textuelles sur d’autres plateformes de médias sociaux. Pour la prochaine étape de leur travail, l’équipe de Malik appliquera ses méthodes d’apprentissage automatique pour comprendre les tendances dans la façon dont les gens parlent des cigarettes électroniques et d’autres substances sur TikTok, Reddit et YouTube.

L’article, « Modéliser les sentiments du public à propos de Juul Flavours sur Twitter grâce à l’apprentissage automatique », est publié dans Recherche sur la nicotine et le tabac.