La recherche a identifié des tweets du Pakistan soutenant l’Inde pendant la crise

L’Inde et le Pakistan ont mené quatre guerres au cours des dernières décennies, mais lorsque l’Inde a été confrontée à une pénurie d’oxygène dans ses hôpitaux lors de sa récente vague de COVID-19, le Pakistan a proposé son aide.

Sur Twitter, les hashtags comme #IndiaNeedsOxygen et #PakistanStandsWithIndia étaient à la mode. Cependant, trouver ces tweets positifs n’a pas été aussi simple que de simplement parcourir les hashtags de soutien ou de consulter les publications les plus populaires. Les tweets négatifs détournent souvent les hashtags de soutien pour troller ou se battre avec d’autres utilisateurs. Et l’algorithme de Twitter n’est pas réglé pour faire apparaître les tweets les plus positifs pendant une crise.

Ashique KhudaBukhsh du Language Technologies Institute (LTI) de l’Université Carnegie Mellon a dirigé une équipe de chercheurs qui ont utilisé l’apprentissage automatique pour identifier les tweets de soutien du Pakistan pendant la crise du COVID-19 en Inde. En pleine crise de santé publique, les mots d’espoir peuvent être des remèdes bienvenus.

« Quand un pays connaît une crise sanitaire nationale, plus vous voyez de messages de soutien, mieux c’est », a déclaré KhudaBukhsh. « Si vous effectuez une recherche aléatoire, vous trouverez des tweets positifs environ 44% du temps. Notre méthode donne à une personne des tweets positifs 83% du temps. Cette personne devra faire beaucoup moins de travail pour trouver les tweets de soutien . »

En combinant les classificateurs de langues existants – des algorithmes entraînés par l’apprentissage automatique qui déterminent, par exemple, si le discours est positif ou négatif, plein d’espoir ou pénible – l’équipe a développé un système qui a identifié les tweets pakistanais favorables ou positifs sur l’Inde 83 % du temps, bien mieux que les méthodes existantes. L’équipe a utilisé sa méthode pour conclure que plus de 85% des tweets publiés sur la crise du COVID-19 en Inde en provenance du Pakistan étaient favorables.

« Nous avons des limites mais pas dans nos cœurs », a commencé un tweet détecté par l’équipe.

L’équipe comprenait KhudaBukhsh, Clay H. Yoo et Rupak Sarkar du LTI et Shriphani Palakodety, un ingénieur de la société de blockchain et d’IA Onai qui a obtenu sa maîtrise du LTI. Ils ont publié leurs résultats dans un article intitulé « Empathie et espoir : transfert de ressources vers un modèle de dynamique des médias sociaux inter-pays », qui a été accepté dans le Atelier de l’ACL Association for Computational Linguists sur le traitement du langage naturel pour un impact positif. Le travail a été effectué en temps réel avec la crise et alors que les membres de l’équipe s’inquiétaient de la santé de leurs proches en Inde.

La recherche est importante à plusieurs égards. Premièrement, l’équipe a montré que les classificateurs de langues existants pouvaient être utiles dans des contextes larges. C’est important car pour déployer un classificateur qui sera utile en pleine crise, il faut le construire rapidement. Il ne peut pas être construit à partir de zéro, et l’équipe voulait voir si les recherches existantes sur les classificateurs de langage pouvaient aider.

Pour détecter les tweets de soutien pendant la crise du COVID-19 en Inde, l’équipe a utilisé un classificateur de discours d’espoir que KhudaBukhsh et Palakodety ont construit avec feu Jaime Carbonell, un professeur distingué de la School of Computer Science qui a fondé le LTI, pour identifier les commentaires positifs sur YouTube vidéos publiées sur l’escalade en 2019 du conflit entre l’Inde et le Pakistan au sujet du Cachemire. L’équipe a ensuite combiné le classificateur espoir-parole avec un classificateur empathie-détresse connu.

Bien que ces deux classificateurs de langues soient construits pour des raisons différentes et formés sur des données différentes, ils ont efficacement détecté des tweets positifs lors de la flambée de COVID en Inde.

« Nous avons montré qu’il existe une sorte d’universalité dans la façon dont nous exprimons nos émotions », a déclaré KhudaBukhsh. « Et nous avons montré que nous pouvons utiliser les solutions existantes, les combiner et attaquer rapidement les crises futures.

La recherche était également potentiellement importante pour la crise en Inde. KhudaBukhsh et Carbonell ont envisagé le classificateur de discours d’espoir comme un moyen alternatif de lutter contre le discours de haine. Au lieu de détecter et de supprimer, de minimiser ou de bloquer les discours de haine – qui existent en masse sur Internet – le couple a cherché à utiliser leur classificateur de discours d’espoir pour identifier et amplifier les messages de soutien. Les gens sont influencés par ce qu’ils voient et lisent, et si des messages d’espoir sont placés devant eux plutôt que des messages haineux, cela pourrait affecter leur façon de penser et d’agir.

L’équipe a identifié des tweets qui offraient des prières à l’Inde, parlaient de l’humanité commune de deux pays et envoyaient de l’amour.

« C’est navrant de voir cette situation dans notre quartier. Envoyez de l’amour et des prières du Pakistan. Qu’Allah le Tout-Puissant aide l’humanité à traverser cette pandémie. Restez forts. Restez en sécurité », lit-on dans un tweet trouvé par l’équipe.

Mettre l’accent sur le soutien entre l’Inde et le Pakistan pourrait faire la différence, a déclaré KhudaBukhsh. Et comme tant de combats se déroulent maintenant sur Internet, c’est peut-être par là qu’il faut commencer.

« Ces deux pays ont un passé si acrimonieux », a déclaré KhudaBukhsh. « Tout comportement positif de chaque côté peut aider à promouvoir la paix dans le monde. »