قام العلماء من الجامعة الوطنية للأبحاث التكنولوجية "ميسيس" بتطوير نموذج رياضى يسمح بالتنبؤ بالموقع التالى الذى سيتواجد فيه مستخدم شبكة التواصل "تويتر"، حسب سبوتنيك.

 ويعتقد الباحثون أن هذا النموذج سوف يساعد الشركات السياحية وكل مؤسسة مرتبطة بقطاع السياحة على التنبؤ بأهمية المنتجعات السياحية أثناء موسم العطلة والإجازات.

يشار إلى أنه فى وقت سابق، تم اختبار نهج ونموذج مماثل أثناء إجراء دراسة لردود أفعال المسافرين حيال الخدمات المقدمة فى القطارات عالية السرعة فى الهند.

يتبادل الأشخاص كل يوم، الصور والمنشورات والتعليقات ومواقع تواجدهم فى وسائل التواصل الاجتماعي، واستناداً لذلك أجرى علماء "ميسيس" دراسة حول إمكانية التنبؤ بالمكان التالى الذى يمكن أن يزوره المستخدم بناءً على أساليب التعلم الآلى (ML) وتحليل البيانات الضخمة  (BigData) التى تم الحصول عليها من المصادر العلنية لبيانات شبكة تويتر، وبالطبع فإن أساليب التعلم الآلى ML تتيح للحاسوب دراسة السجلات التاريخية واستخدامها للتنبؤ واتخاذ القرارات عند تلقى بيانات جديدة.

فى هذا السياق علقت مارينا نيجورينا المسئولة عن هذه الدراسة، مدير معهد نظم المعلومات التجارية فى جامعة "ميسيس" قائلة: "لم نستخدم فقط البيانات المفتوحة المتعلقة بالأماكن السياحية التي يؤمها المستخدمون وأماكن السفر، ولكن أيضاً البيانات المتعلقة بشخصية المسافرين أنفسهم، في البداية، استخرجنا جميع التغريدات التي تحمل علامات جغرافية من البيانات وقمنا بتصنيفها، فمن مجموعة عشوائية مكونة من 5000 ملف تعريف مستخدم من دول أوروبية مختلفة مثل فرنسا وألمانيا والسويد وإسبانيا وإيطاليا وسويسرا وبولندا واليونان وغيرها العديد من الدول الأخرى، تم فرز أكثر من 800 ألف تغريدة، وعند اجراء عملية انتقاء البيانات، كانت الفئات الأكثر زيارة في الرحلات هي أماكن تناول الطعام والنوادي الليلية ومحطات القطارات والكنائس وشواطئ البحر. لكل فئة قمنا بإعداد مجموعة بيانات منفصلة".

وبحسب قول الباحثة نيجورينا، فإنه عند اختيار البيانات، تم مقارنة الفئات بالخصائص الشخصية للمستخدم، وذلك لأن اختيار الكلمات فى تغريدات المستخدم يعتمد بشكل أساسى على قيمهم الشخصية.

وتحدث ساتشين كومار باحث آخر مشارك فى هذه الدراسة قائلاً: "بالنسبة لأى نموذج تنبؤى، يعتبر عامل الدقة مؤشراً مهماً وإلزامياً، فإذا لم يتمكن نموذج التنبؤ من توفير وضمان الدقة التامة، فلا يمكن اعتبار هذا النموذج موثوقاً، لذلك استخدمنا طريقة تصنيف المجموعات التى تجمع بين نتائج جميع المصنفات الأساسية".

وبحسب رأى العلماء، يمكن الحصول على توقعات أكثر دقة من خلال جمع مؤشرات مثل الجنسية والجنس وعمر المستخدمين، أما المرحلة التالية من العمل هى تحليل وبناء النماذج باستخدام مجموعة من أساليب التعلم الآلي.