置身交叉火力：评估语言模型在众包枪支暴力报告中的应用

枪支暴力是一个紧迫的人权问题，几乎影响着社会结构的方方面面，从医疗保健到教育，从心理学到经济领域。关于枪支事件的可靠数据对于制定更有效的公共政策和紧急响应至关重要。然而，缺乏全面的数据库以及实地调查的风险导致大多数国家的人权组织无法收集所需数据。在这里，我们与一家巴西人权组织合作，对语言模型进行系统评估，以协助从社交媒体数据监控现实世界的枪支暴力事件。我们提出了一个基于BERT的微调模型，该模型使用Twitter（现X）上的葡萄牙语文本进行训练，以区分枪支暴力报告与普通葡萄牙语文本。随后，我们将模型整合到一个网络应用程序中，并在实时干预中进行测试。我们研究并访谈了持续检查社交媒体文本以识别新枪支暴力事件的巴西分析师。定性评估表明，我们的解决方案帮助所有分析师更高效地利用时间，并扩展了他们的搜索能力。定量评估表明，使用我们的模型与分析师更多地与报告枪支暴力的在线用户进行互动有关。我们的研究结果表明，以人为中心的语言模型干预可以帮助支持人权组织的工作。