As redes sociais estão presentes em quase todos os momentos da nossa vida. Muitas pessoas, mesmo estando na companhia de amigos reais, não dispensam trocar uma ideia com outras pessoas em uma rede. Porém, muitas delas, estão em bares, e já beberam algumas doses a mais. Outras pessoas, no entanto, ao chegarem em suas casas, depois de festas, precisam dar uma conferida em seus perfis, e em alguns casos, falam demais, justamente pelo elevado índice de álcool.
Pensando em tudo isso, pesquisadores da University of Rochester, nos Estados Unidos, desenvolveram um novo algoritmo que é capaz de identificar quando as pessoas estão usando o Twitter sob o efeito de álcool.
Para o estudo, foram reunidos cerca de 11 mil tuítes localizados nas áreas de Nova York e Monroe County. O algoritmo em questão foi configurado para poder filtrar algumas palavras-chave relacionadas ao álcool, como "bêbado", "cerveja" e "festa" e o grupo de estudo ainda utilizou o serviço de crowdsourcing da Amazon, Mechanical Turk, para poder avaliar as publicações.
Os estudiosos ainda uniram alguns parâmetros para poder identificar se os tuítes estavam sendo enviados das casas dos usuários ou das festas em que estavam.
O levantamento descobriu que o público de NY bebeu muito mais do que os de Monroe County. "Podemos explorar o comportamento dos bêbados para descobrir como as interações sociais e a pressão que as mídias sociais influenciam na tendência a beber, além de uma série de informações que podem criar padrões de acordo com os tipos de pessoas e cidades analisados", explicam os estudiosos no projeto.
Este estudo tem como propósito avaliar como é o comportamento de quem sofre com o alcoolismo. Somente nos Estados Unidos, 75 mil pessoas morrem todo o ano em razão do uso do álcool. Além disso, beber e usar as redes sociais pode não ser tão bom assim, já que o individuo fica mais propenso a postar algo inadequado, e que possa lhe causar algum constrangimento futuro.
😕 Poxa, o que podemos melhorar?
😃 Boa, seu feedback foi enviado!
✋ Você já nos enviou um feedback para este texto.