���ʵ���

Nikotiinituotteiden mainonta on kiellettyä, mutta sosiaalisen median avulla niitä voidaan silti markkinoida nuorille. Aalto-yliopiston tutkijat kehittivät koneoppimismenetelmiä seuratakseen sosiaalisen median keskusteluja, jotka koskevat JUUL-sähkötupakkabrändiä ja sen eri makutiivisteitä.

“Yhä suurempi osa sähkötupakkaa koskevasta keskustelusta käydään verkossa, erityisesti suosituissa sosiaalisen median palveluissa kuten Twitterissä, Instagramissa ja Facebookissa. Sähkötupakkaan liittyvät sisällöt on usein suunnattu sosiaalisessa mediassa aktiivisille nuorille ja sen vuoksi on tärkeää tarkastella näitä keskusteluja”, sanoo Aalto-yliopiston tietotekniikan laitoksen tutkijatohtori Aqdas Malik.

Aikaisempi tutkimus on osoittanut, että nuoret pitävät sähkötupakan makutiivisteitä houkuttelevina. Malik taas on tutkinut aikaisemmin tekoälyn avulla, kuinka yritykset käyttävät Instagramia mainostaakseen sähkötupakkatuotteitaan nuorille.

Tutkijatiimi kehitti nyt koneoppimismenetelmiä tutkiakseen avainteemoja ja -tuntemuksia JUUL-makutiivisteitä koskevissa Twitter-keskusteluissa. Tutkijoiden kehittämät tekoälytyökalut on rakennettu Googlen avoimelle BERT-alustalle. He toivovat, että niitä käytettäisiin jatkossa valvomaan, kuinka sähkötupakkatuotteita mainostetaan nuorille. Googlen BERT on melko uusi koneoppimis- ja luonnollisen kielen käsittelyjärjestelmä, joka on koulutettu verkkopohjaisella datalla tunnistamaan positiivisia ja negatiivisia ilmaisuja.

Tutkijat analysoivat yhteensä yli 30 000 twiittiä ja löysivät useita makutiivisteitä koskevia positiivisia twiittejä.

”Suositut makutiivisteet, kuten mango, minttu ja kurkku ovat erittäin houkuttelevia nuorille ja samalla aiheuttavat riippuvuutta. Sääntelyn kehittämisen lisäksi pitää pystyä poistamaan sähkötupakkaa koskevaa markkinointia kampanjatuotteiden, varastotäydennysilmoitusten, alennusten ja paljousalennusten muodossa”, Malik sanoo.

Yleisesti ottaen twiitit olivat yllättävän positiivisia, joskin väitteitä oli myös tuotteita ja makutiivisteiden riippuvuutta aiheuttavia ominaisuuksia vastaan.

Vaikka tutkimus keskittyi Twitter-sisältöihin, samoja työkaluja voidaan helposti soveltaa myös muiden sosiaalisen median alustojen tekstisisältöihin. Seuraavassa vaiheessa Malikin tiimi soveltaa koneoppimisen menetelmiä ymmärtääkseen miten ihmiset puhuvat sähkötupakasta ja muista riippuvuutta aiheuttavista aineista TikTokissa, Redditissä ja YouTubessa.

������ä�پ���ٴDz�:

Artikkeli: 

Aqdas Malik (englanniksi)
Tutkijatohtori
puh. 040 868 2398
aqdas.a.malik@aalto.fi