Mateo Barón, estudiante de la Maestría en Diseño y Gestión de Procesos de la Facultad de Ingeniería, generó un algoritmo que extrae y analiza los datos de Twitter después de una catástrofe natural, para reducir así el tiempo de rescate y auxilio a las víctimas.

Uno de los retos actuales de la logística humanitaria es conocer la información en tiempo real cuando se presenta un desastre natural, ya que es vital conocer las necesidades de las víctimas, optimizar el tiempo de respuesta de los rescates y entregar de esa manera los suministros de primera necesidad, como agua, refugio y alimentos.

El algoritmo empieza a funcionar con la extracción de todos los tuits que incluyan palabras definidas por los grupos de rescate. Después, se procesará la información para convertirla en variables binarias, es decir, saber si cumple con los criterios de información real y así usarlos en un modelo de analítica, para estudiar la veracidad de esos mensajes. Después, se identificarán los usuarios para crear el puente de comunicación y cumplir con los objetivos de ayuda y rescate.

Para el estudiante, uno de los beneficios de la investigación es mejorar las fases iniciales de la logística humanitaria, la recolección de información y la preparación para socorrer a los afectados. “El algoritmo está diseñado para tener contacto en tiempo real con los usuarios que poseen información relevante en la catástrofe, después de ser validada por técnicas de analítica, es decir, probar que la fuente de información sea veraz cuando esté utilizando la red social”, afirma.

Con base en un algoritmo, se analizan los datos de Twitter para considerar de qué manera se proporcionan elementos vitales: agua, alimento, refugio, medicinas, entre otros.Uno de los problemas por resolver era que Twitter, por sus políticas de privacidad de geolocalización, no permitía conocer la procedencia de los tuits si los usuarios no activaban la geolocalización de forma voluntaria. Por eso, el estudiante propone acceder de forma alternativa, mediante el origen de los tuits, a través de lo que él llama “mallas de localización o mapas de calor”, que significa saber cuántos tuits se generan en la zona del desastre, gracias a las coordenadas de latitud y altitud que componen la herramienta. “El desafío estaba en identificar y priorizar la información de la red social para eliminar lo que no es real y lo que puede generar ruido y desinformación. Igualmente, se necesita aplicar la geolocalización de la fuente de los tuits. Por eso, este modelo de soporte a la logística humanitaria es efectivo para atender y dar respuesta rápida y oportuna, con el fin de salvar más vidas y mitigar el sufrimiento humano”, asegura Mateo.

El objetivo del estudiante es entregarles a la sociedad y a los líderes de rescate de los desastres naturales esta solución innovadora para salvar más vidas. “Somos conscientes de que cada segundo que podamos ahorrar en conocer la información, la ubicación y el grado de afectación de las víctimas nos hará llegar más rápido a la población afectada”, afirma el estudiante.