Bellingcat ha sviluppato un modello di apprendimento automatico per identificare e dare la priorità ai post di Telegram che possono contenere prove di danni civili durante i conflitti, in particolare in Ucraina dal febbraio 2022. L'organizzazione ha raccolto oltre 2.500 incidenti verificati di danni civili e ha creato un set di dati utilizzando 5.848 post confermati contenenti danni e 48.545 post senza danni per addestrare il modello. L'approccio riduce il tempo necessario per setacciare enormi quantità di contenuti sui social media, consentendo ai ricercatori di concentrarsi sulla verifica piuttosto che sulla scoperta. Il modello utilizza tecniche di elaborazione del linguaggio naturale come trasformatori multilingue e somiglianza cosseno per analizzare il testo, considerando anche metadati come il tempo di pubblicazione e l'impegno. Il progetto evidenzia sia il potenziale dell'IA nella ricerca umanitaria che le sfide dell'organizzazione di grandi volumi di contenuti generati dagli utenti.
Lettura del bias (Centro): L'articolo fornisce una spiegazione tecnica di un'innovazione metodologica nella ricerca open source sul danno civile, concentrandosi sullo sviluppo di uno strumento di IA. Non prende posizione su questioni politiche, né favorisce una parte in un dibattito.
