2.4.2 ਅਨੁਮਾਨ ਹੈ ਅਤੇ nowcasting

ਭਵਿੱਖ ਦਾ ਅੰਦਾਜ਼ਾ ਮੁਸ਼ਕਲ ਹੈ, ਪਰ ਮੌਜੂਦ ਅੰਦਾਜ਼ਾ ਸੌਖਾ ਹੈ.

ਦੂਜੀ ਮੁੱਖ ਰਣਨੀਤੀ ਖੋਜੀ ਅਨੁਮਾਨ ਲਗਾਉਣ ਵਾਲੇ ਅਨੁਮਾਨਾਂ ਨਾਲ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦੇ ਹਨ. ਭਵਿੱਖ ਬਾਰੇ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਬੇਹੱਦ ਔਖਾ ਹੈ, ਅਤੇ ਸ਼ਾਇਦ ਇਸ ਕਾਰਨ ਕਰਕੇ, ਅਨੁਮਾਨ ਵਰਤਮਾਨ ਵਿੱਚ ਸਮਾਜਿਕ ਖੋਜ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਨਹੀਂ ਹੈ (ਹਾਲਾਂਕਿ ਇਹ ਜਨਸੰਖਿਆ, ਅਰਥ ਸ਼ਾਸਤਰ, ਮਹਾਂਮਾਰੀ ਵਿਗਿਆਨ ਅਤੇ ਰਾਜਨੀਤਕ ਵਿਗਿਆਨ ਦਾ ਇੱਕ ਛੋਟਾ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਹੈ). ਇੱਥੇ, ਹਾਲਾਂਕਿ, ਮੈਂ "ਖਾਸ" ਅਤੇ "ਭਵਿੱਖਬਾਣੀ" ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਹੁਣੇ ਜਿਹੇ ਇੱਕ ਖ਼ਾਸ ਕਿਸਮ ਦੀ ਭਵਿੱਖਬਾਣੀ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਚਾਹਾਂਗਾ- ਭਵਿੱਖ ਦੇ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਬਜਾਏ, ਵਰਤਮਾਨ ਸਥਿਤੀ ਨੂੰ ਮਾਪਣ ਲਈ ਭਵਿੱਖਬਾਣੀਆਂ ਦੇ ਵਿਚਾਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਹੁਣੇ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਸੰਸਾਰ ਦੇ ਇਹ "ਮੌਜੂਦਾ ਦੀ ਭਵਿੱਖਬਾਣੀ" (Choi and Varian 2012) . ਹੁਣ ਮੌਜੂਦਾ ਸਮੇਂ ਵਿਚ ਸਰਕਾਰ ਅਤੇ ਕੰਪਨੀਆਂ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਫਾਇਦੇਮੰਦ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਮੇਂ ਸਮੇਂ ਅਤੇ ਸਹੀ ਉਪਾਅ ਲੋੜੀਂਦੇ ਹਨ.

ਇਕ ਅਜਿਹੀ ਸੈਟਿੰਗ ਜਿਸ ਵਿਚ ਸਮੇਂ ਸਿਰ ਅਤੇ ਸਹੀ ਮਾਪ ਦੀ ਲੋੜ ਬਹੁਤ ਹੀ ਸਪੱਸ਼ਟ ਹੈ, ਐਪੀਡੈਮਿਓਲਾਜੀ ਇਨਫਲੂਐਂਜ਼ਾ ("ਫਲੂ") ਦੇ ਕੇਸ ਤੇ ਵਿਚਾਰ ਕਰੋ. ਹਰ ਸਾਲ, ਮੌਸਮੀ ਇਨਫਲੂਐਂਜ਼ਾ ਮਹਾਮਾਰੀ ਕਾਰਨ ਲੱਖਾਂ ਬੀਮਾਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਸੰਸਾਰ ਭਰ ਵਿੱਚ ਸੈਂਕੜੇ ਹਜ਼ਾਰਾਂ ਮੌਤਾਂ ਹੁੰਦੀਆਂ ਹਨ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਹਰ ਸਾਲ, ਇਕ ਸੰਭਾਵਨਾ ਹੁੰਦੀ ਹੈ ਕਿ ਇਕ ਐੱਲੂਜ਼ੈਂਜ਼ਾ ਦਾ ਨਵਾਂ ਰੂਪ ਸਾਹਮਣੇ ਆ ਸਕਦਾ ਹੈ ਜੋ ਲੱਖਾਂ ਲੋਕਾਂ ਨੂੰ ਮਾਰ ਦੇਵੇਗਾ. ਉਦਾਹਰਨ ਲਈ, 1918 ਵਿੱਚ ਇਨਫਲੂਐਂਜ਼ਾ ਵਾਲੇ ਫੈਲਣ ਦਾ ਅਨੁਮਾਨ ਹੈ, 50 ਤੋਂ 100 ਮਿਲੀਅਨ ਲੋਕਾਂ (Morens and Fauci 2007) ਮਾਰੇ ਗਏ ਹਨ. ਇੰਫਲੂਐਂਜ਼ਾ ਦੇ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ਤੇ ਜਵਾਬ ਦੇਣ ਦੀ ਲੋੜ ਦੇ ਕਾਰਨ, ਸੰਸਾਰ ਭਰ ਦੀਆਂ ਸਰਕਾਰਾਂ ਨੇ ਇਨਫਲੂਐਨਜ਼ਾ ਨਿਗਰਾਨੀ ਸਿਸਟਮ ਬਣਾ ਦਿੱਤਾ ਹੈ. ਮਿਸਾਲ ਦੇ ਤੌਰ ਤੇ, ਯੂ ਐਸ ਸੈਂਟਰ ਫਾਰ ਡਿਜ਼ੀਜ਼ ਕੰਟ੍ਰੋਲ ਐਂਡ ਪ੍ਰੀਵੈਂਸ਼ਨ (ਸੀਡੀਸੀ) ਨਿਯਮਤ ਤੌਰ ਤੇ ਅਤੇ ਦੇਸ਼ ਭਰ ਦੇ ਧਿਆਨ ਨਾਲ ਚੁਣੀ ਗਈ ਡਾਕਟਰਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਦੇ ਹਨ. ਹਾਲਾਂਕਿ ਇਹ ਸਿਸਟਮ ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲੇ ਡੈਟਾ ਦਾ ਉਤਪਾਦਨ ਕਰਦਾ ਹੈ, ਇਸਦਾ ਰਿਪੋਰਟਿੰਗ ਲੇਗ ਹੈ ਇਹ ਹੈ ਕਿ, ਜਦੋਂ ਡਾਕਟਰਾਂ ਨੂੰ ਸਾਫ਼ ਕਰਨ, ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਅਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਲਈ ਆਉਣ ਵਾਲੇ ਸਮੇਂ ਲਈ ਇਹ ਸੀ ਡੀ ਸੀ ਸੀ ਸਿਸਟਮ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ ਕਿ ਦੋ ਹਫਤੇ ਪਹਿਲਾਂ ਇੱਥੇ ਕਿੰਨਾ ਫਲੂ ਸੀ. ਪਰ, ਇੱਕ ਉਭਰ ਰਹੇ ਮਹਾਂਮਾਰੀ ਨੂੰ ਸੰਭਾਲਦੇ ਸਮੇਂ, ਜਨਤਕ ਸਿਹਤ ਅਧਿਕਾਰੀ ਜਾਣਨਾ ਨਹੀਂ ਚਾਹੁੰਦੇ ਕਿ ਦੋ ਹਫਤੇ ਪਹਿਲਾਂ ਕਿੰਨੀ ਇਨਫਲੂਐਨਜ਼ਾ ਸੀ; ਉਹ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹਨ ਕਿ ਹੁਣ ਕਿੰਨਾ ਪ੍ਰਭਾਵ ਹੁੰਦਾ ਹੈ.

ਉਸੇ ਸਮੇਂ ਸੀ ਡੀ ਐਮ ਫਲੂਐਂਜ਼ਾਜ਼ਾ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਡਾਟਾ ਇੱਕਠਾ ਕਰ ਰਿਹਾ ਹੈ, ਗੂਗਲ ਇਨਫਲੂਐਨਜ਼ਾ ਪ੍ਰਚਲਤ ਬਾਰੇ ਡੈਟਾ ਇਕੱਠਾ ਕਰ ਰਿਹਾ ਹੈ, ਹਾਲਾਂਕਿ ਕਾਫ਼ੀ ਵੱਖਰੇ ਰੂਪ ਵਿੱਚ. ਦੁਨੀਆ ਭਰ ਦੇ ਲੋਕ ਲਗਾਤਾਰ Google ਨੂੰ ਸਵਾਲ ਭੇਜ ਰਹੇ ਹਨ, ਅਤੇ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁੱਝ ਸਵਾਲਾਂ ਜਿਵੇਂ- "ਫਲੂ ਦੇ ਉਪਚਾਰ" ਅਤੇ "ਫਲੂ ਦੇ ਲੱਛਣ" -ਇਹ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ ਕਿ ਪੁੱਛਗਿੱਛ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ ਨੂੰ ਫਲੂ ਹੈ ਪਰ, ਫਲੂ ਦੇ ਪ੍ਰਭਾਵਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਇਹਨਾਂ ਖੋਜ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਵਰਤਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ: ਫਲੂ ਵਾਲੇ ਹਰ ਕੋਈ ਫਲੂ ਨਾਲ ਸੰਬੰਧਤ ਖੋਜ ਨਹੀਂ ਕਰਦਾ, ਹਰ ਫਲੂ ਨਾਲ ਸੰਬੰਧਿਤ ਖੋਜ ਉਸ ਵਿਅਕਤੀ ਤੋਂ ਨਹੀਂ ਹੁੰਦੀ ਜਿਸ ਦੇ ਫਲੂ ਹੁੰਦੇ ਹਨ

ਜੇਰੇਮੀ ਗਿੰਸਬਰਗ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਦੀ ਇਕ ਟੀਮ (2009) , ਕੁਝ ਕੁ ਗੂਗਲ ਅਤੇ ਕੁਝ ਸੀਡੀਸੀ ਕੋਲ, ਇਹਨਾਂ ਦੋ ਡਾਟਾ ਸ੍ਰੋਤਾਂ ਨੂੰ ਜੋੜਨ ਲਈ ਜ਼ਰੂਰੀ ਅਤੇ ਹੁਸ਼ਿਆਰ ਵਿਚਾਰ ਸਨ. ਲਗਭਗ, ਇੱਕ ਕਿਸਮ ਦੀ ਅਲੈਕਮੇਮੀ ਦੁਆਰਾ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਨਫਲੂਐਂਜ਼ਾ ਪ੍ਰਪੱਕਤਾ ਦੇ ਤੇਜ਼ ਅਤੇ ਸਟੀਕ ਮਾਪ ਪੈਦਾ ਕਰਨ ਲਈ ਹੌਲੀ ਅਤੇ ਸਹੀ ਸੀ ਡੀ ਸੀ ਡੇਟਾ ਦੇ ਨਾਲ ਤੇਜ਼ ਅਤੇ ਗਲਤ ਖੋਜ ਡੇਟਾ ਨੂੰ ਜੋੜਿਆ. ਇਸ ਬਾਰੇ ਸੋਚਣ ਦਾ ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਉਹ ਸੀ ਡੀ ਸੀ ਡਾਟਾ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਖੋਜ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ.

ਵਧੇਰੇ ਖਾਸ ਤੌਰ ਤੇ, 2003 ਤੋਂ 2007 ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਗਿਨਜ਼ਬਰਗ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਹੈ ਕਿ ਸੀਡੀਸੀ ਡੇਟਾ ਵਿੱਚ ਇੰਫਲੂਐਂਜ਼ਾ ਦੇ ਪ੍ਰਭਾਵਾਂ ਅਤੇ 50 ਮਿਲੀਅਨ ਵੱਖਰੇ ਨਿਯਮਾਂ ਲਈ ਖੋਜ ਵਾਲੀ ਮਾਤਰਾ ਦਾ ਆਪਸੀ ਸਬੰਧ ਹੈ. ਇਸ ਪ੍ਰਕਿਰਿਆ ਤੋਂ, ਜੋ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਾਟਾ-ਡ੍ਰਾਇਵਡ ਸੀ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਮੈਡੀਕਲ ਗਿਆਨ ਦੀ ਲੋੜ ਨਹੀਂ ਸੀ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ 45 ਵੱਖ-ਵੱਖ ਪ੍ਰਸ਼ਨਾਂ ਦਾ ਇੱਕ ਸੈਟ ਪਾਇਆ ਜੋ ਸੀਡੀਸੀ ਫਲੂ ਪ੍ਰਸਾਰਤਾ ਡੇਟਾ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਅਨੁਮਾਨ ਲਾਉਂਦਾ ਸੀ. ਫਿਰ, ਉਨ੍ਹਾਂ ਨੇ 2003-2007 ਦੇ ਅੰਕੜਿਆਂ ਤੋਂ ਪਤਾ ਲੱਗਾ ਕਿ ਰਿਸ਼ਤਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਗਿਨਜ਼ਬਰਗ ਅਤੇ ਸਹਿਕਰਮੀਆਂ ਨੇ 2007-2008 ਦੇ ਇਨਫਲੂਐਂਜ਼ਾ ਸੀਜ਼ਨ ਦੌਰਾਨ ਆਪਣੇ ਮਾਡਲ ਦੀ ਪਰਖ ਕੀਤੀ. ਉਨ੍ਹਾਂ ਨੇ ਪਾਇਆ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਅਸਲ ਵਿੱਚ ਉਪਯੋਗੀ ਅਤੇ ਸਹੀ ਹੁਣ ਦੇ ਆਕਾਰ (ਅੰਕੜੇ 2.6) ਕਰ ਸਕਦੀ ਹੈ. ਇਹ ਨਤੀਜੇ ਕੁਦਰਤ ਵਿਚ ਛਾਪੇ ਗਏ ਸਨ ਅਤੇ ਪ੍ਰੈਸ ਕਵਰ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੇ ਸਨ. ਇਹ ਪ੍ਰੋਜੈਕਟ - ਜਿਸਨੂੰ ਗੂਗਲ ਫਲੂ ਟਰੇਂਡੇਂਸ ਕਿਹਾ ਜਾਂਦਾ ਹੈ- ਸੰਸਾਰ ਨੂੰ ਬਦਲਣ ਲਈ ਵੱਡੇ ਅੰਕਾਂ ਦੀ ਸ਼ਕਤੀ ਬਾਰੇ ਅਕਸਰ-ਦੁਹਰਾਇਆ ਕਹਾਵਤ ਬਣ ਗਿਆ.

ਚਿੱਤਰ 2.6: ਜੇਰੇਮੀ ਗਿੰਸਬਰਗ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (2009) ਗੂਗਲ ਫੂ ਪ੍ਰੈਜੈਂਡਸ ਬਣਾਉਣ ਲਈ ਸੀਡੀਸੀ ਡੇਟਾ ਦੇ ਨਾਲ ਗੂਗਲ ਸਰਚ ਡੇਟਾ ਨੂੰ ਜੋੜਦੇ ਹਨ, ਜੋ ਕਿ ਇੰਫਲੂਐਂਜ਼ਾ-ਵਰਗੀਆਂ ਬੀਮਾਰੀ (ਆਈ.ਡੀ.ਆਈ.) ਦੀ ਦਰ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹਨ. ਇਸ ਅੰਕੜੇ ਵਿੱਚ ਨਤੀਜਾ 2007-2008 ਇਨਫਲੂਐਂਜ਼ਾ ਸੀਜ਼ਨ ਵਿੱਚ ਸੰਯੁਕਤ ਰਾਜ ਦੇ ਮੱਧ ਅਟਲਾਂਟਿਕ ਖੇਤਰ ਲਈ ਹਨ ਹਾਲਾਂਕਿ ਇਹ ਸ਼ੁਰੂ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਰਿਹਾ ਸੀ, ਪਰੰਤੂ ਗੂਗਲ ਫਲੂ ਪ੍ਰਸਾਰਣ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਸਮੇਂ ਦੇ ਨਾਲ ਟੁੱਟ ਗਈ (ਕੁੱਕ ਏਟ ਅਲ. 2011; ਓਲਸਨ ਐਟ ਅਲ .2013; ਲੇਜਰ ਐਟ ਅਲ. 2014). ਗਿੰਸਬਰਗ ਐਟ ਅਲ ਤੋਂ ਬਦਲਿਆ ਗਿਆ (2009), ਨੰਬਰ 3

ਚਿੱਤਰ 2.6: ਜੇਰੇਮੀ ਗਿੰਸਬਰਗ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (2009) ਗੂਗਲ ਫੂ ਪ੍ਰੈਜੈਂਡਸ ਬਣਾਉਣ ਲਈ ਸੀਡੀਸੀ ਡੇਟਾ ਦੇ ਨਾਲ ਗੂਗਲ ਸਰਚ ਡੇਟਾ ਨੂੰ ਜੋੜਦੇ ਹਨ, ਜੋ ਕਿ ਇੰਫਲੂਐਂਜ਼ਾ-ਵਰਗੀਆਂ ਬੀਮਾਰੀ (ਆਈ.ਡੀ.ਆਈ.) ਦੀ ਦਰ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹਨ. ਇਸ ਅੰਕੜੇ ਵਿੱਚ ਨਤੀਜਾ 2007-2008 ਇਨਫਲੂਐਂਜ਼ਾ ਸੀਜ਼ਨ ਵਿੱਚ ਸੰਯੁਕਤ ਰਾਜ ਦੇ ਮੱਧ ਅਟਲਾਂਟਿਕ ਖੇਤਰ ਲਈ ਹਨ ਹਾਲਾਂਕਿ ਇਹ ਸ਼ੁਰੂ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਰਿਹਾ ਸੀ, ਪਰੰਤੂ ਗੂਗਲ ਫਲੂ ਪ੍ਰਸਾਰਣ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਸਮੇਂ ਦੇ ਨਾਲ ਟੁੱਟ ਗਈ (Cook et al. 2011; Olson et al. 2013; Lazer et al. 2014) . Ginsberg et al. (2009) ਤੋਂ ਬਦਲਿਆ ਗਿਆ Ginsberg et al. (2009) , ਨੰਬਰ 3

ਹਾਲਾਂਕਿ, ਇਹ ਪ੍ਰਤੱਖ ਸਫਲਤਾ ਦੀ ਕਹਾਣੀ ਆਖਿਰਕਾਰ ਸ਼ਰਮਿੰਦਗੀ ਵਿੱਚ ਬਦਲ ਗਈ. ਸਮਾਂ ਬੀਤਣ ਦੇ ਨਾਲ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਦੋ ਮਹੱਤਵਪੂਰਨ ਸੀਮਾਵਾਂ ਖੋਜੀਆਂ ਜਿਹੜੀਆਂ Google ਫਲੂ ਰੁਝਾਨ ਨੂੰ ਪਹਿਲਾਂ ਸ਼ੁਰੂ ਹੋਣ ਨਾਲੋਂ ਘੱਟ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਉਂਦੀਆਂ ਸਨ. ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਗੂਗਲ ਫਲੋ ਰੁਝਾਣਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਅਸਲ ਸਧਾਰਨ ਮਾਡਲ ਦੀ ਤੁਲਨਾ ਵਿਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬਿਹਤਰ ਨਹੀਂ ਸੀ ਜੋ ਫਲੂ ਪ੍ਰਸੰਗ (Goel et al. 2010) ਦੀਆਂ ਦੋ ਸਭ ਤੋਂ ਤਾਜ਼ਾ ਮਾਪਾਂ ਦੇ ਰੇਖਿਕ ਵਿਸਤਾਰ ਦੇ ਆਧਾਰ ਤੇ ਫਲੂ ਦੀ ਮਾਤਰਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੀ ਹੈ. ਅਤੇ, ਕੁਝ ਸਮੇਂ ਤੋਂ, ਗੂਗਲ ਫਲੂ ਰੁਝਾਨ ਅਸਲ ਵਿੱਚ ਇਸ ਸਧਾਰਣ ਪਹੁੰਚ ਤੋਂ ਬਹੁਤ ਮਾੜਾ ਸੀ (Lazer et al. 2014) ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਗੂਗਲ ਫਲੂ ਰੁਝਾਨ ਇਸਦੇ ਸਾਰੇ ਡਾਟੇ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕੰਪਿਊਟਿੰਗ ਨਾਲ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਆਸਾਨ-ਸਮਝਣ ਅਨੁਭੱਇਆਤਮਕ ਖੋਜ ਨੂੰ ਪ੍ਰਭਾਵਤ ਨਹੀਂ ਕਰਦਾ ਸੀ ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਜਦੋਂ ਕੋਈ ਪੂਰਵ-ਅਨੁਮਾਨ ਜਾਂ ਵਰਤਮਾਨ ਸਮੇਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦੇ ਹੋ, ਤਾਂ ਬੇਸਲਾਈਨ ਦੇ ਮੁਕਾਬਲੇ ਤੁਲਨਾ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦਾ ਹੈ.

Google Flu Trends ਬਾਰੇ ਦੂਜੀ ਮਹੱਤਵਪੂਰਨ ਸ਼ਰਤ ਇਹ ਹੈ ਕਿ ਸੀਡੀਸੀ ਫਲੂ ਦੇ ਅੰਦਾਜ਼ੇ ਦੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਸਮਰੱਥਾ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੀ ਅਸਫਲਤਾ ਅਤੇ ਲੰਮੀ ਮਿਆਦ ਦੇ ਸਡ਼ਨ ਦੀ ਸੰਭਾਵਨਾ ਸੀ ਕਿਉਂਕਿ ਡ੍ਰਫਟ ਅਤੇ ਐਲਗੋਰਿਦਮਿਕ ਉਲਝਣ ਦੇ ਕਾਰਨ . ਉਦਾਹਰਨ ਲਈ, 2009 ਸਵਾਈਨ ਫ਼ਲੂ ਦੇ ਫੈਲਣ ਦੇ ਦੌਰਾਨ, ਗਲੋਬਲ ਫਲੂ ਪ੍ਰੈਡੇਂਟਸ ਨੇ ਨਾਟਕੀ ਤੌਰ ਤੇ ਇੰਫਲੂਐਂਜ਼ਾ ਦੀ ਮਾਤਰਾ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ, ਸ਼ਾਇਦ ਇਸ ਲਈ ਕਿਉਂਕਿ ਲੋਕ ਇੱਕ ਵਿਸ਼ਵ-ਵਿਆਪੀ ਮਹਾਂਮਾਰੀ (Cook et al. 2011; Olson et al. 2013) ਵਿਆਪਕ ਡਰ ਦੇ ਜਵਾਬ ਵਿੱਚ ਆਪਣੇ ਖੋਜ ਵਿਹਾਰ ਨੂੰ ਬਦਲਦੇ ਹਨ (Cook et al. 2011; Olson et al. 2013) . ਇਹਨਾਂ ਛੋਟੀਆਂ-ਮਿਆਦ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦੇ ਨਾਲ-ਨਾਲ, ਸਮੇਂ ਦੇ ਨਾਲ ਹੌਲੀ-ਹੌਲੀ ਕਾਰਗੁਜ਼ਾਰੀ ਖਰਾਬ ਹੋ ਜਾਂਦੀ ਹੈ. ਲੰਬੇ ਸਮੇਂ ਦੇ ਖਰਾਬੇ ਦੇ ਕਾਰਨਾਂ ਦਾ ਨਿਦਾਨ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ ਕਿਉਂਕਿ ਗੂਗਲ ਸਰਚ ਅਲਗੋਰਿਥਮ ਮਾਲਕੀ ਹਨ, ਪਰ ਇਹ ਲਗਦਾ ਹੈ ਕਿ 2011 ਵਿਚ ਜਦੋਂ ਲੋਕ ਫਲੂ ਦੇ ਲੱਛਣਾਂ ਜਿਵੇਂ ਕਿ "ਬੁਖ਼ਾਰ" ਅਤੇ "ਖੰਘ" ਦੀ ਖੋਜ ਕਰਦੇ ਹਨ (ਉਹ ਇਹ ਵੀ ਲੱਗਦਾ ਹੈ ਕਿ) ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਹੁਣ ਕਿਰਿਆਸ਼ੀਲ ਨਹੀਂ ਹੈ). ਇਸ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਜੋੜਨਾ ਇੱਕ ਬਿਲਕੁਲ ਉਚਿਤ ਗੱਲ ਹੈ ਜੇ ਤੁਸੀਂ ਕੋਈ ਖੋਜ ਇੰਜਣ ਚਲਾ ਰਹੇ ਹੋ, ਪਰ ਇਸ ਅਲਗੋਰਿਦਮਿਕ ਪਰਿਵਰਤਨਾਂ ਵਿੱਚ ਸਿਹਤ ਸੰਬੰਧੀ ਖੋਜਾਂ ਨੂੰ ਪੈਦਾ ਕਰਨ ਦਾ ਪ੍ਰਭਾਵ ਸੀ ਜਿਸ ਕਾਰਨ ਫਲੂ ਪ੍ਰਸਾਰਤਾ (Lazer et al. 2014) ਨੂੰ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ Google ਫਲੋ ਰੁਝਾਨ ਸੀ.

ਇਹ ਦੋ ਚੇਤਾਵਨੀਆਂ ਭਵਿੱਖ ਦੇ ਸਮੇਂ ਦੇ ਯਤਨਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਪਰ ਉਹ ਉਨ੍ਹਾਂ ਨੂੰ ਤਬਾਹ ਨਹੀਂ ਕਰਦੀਆਂ. ਵਾਸਤਵ ਵਿੱਚ, ਹੋਰ ਸਾਵਧਾਨ ਢੰਗ ਤਰੀਕੇ ਵਰਤ ਕੇ, Lazer et al. (2014) ਅਤੇ Yang, Santillana, and Kou (2015) ਇਹਨਾਂ ਦੋ ਸਮੱਸਿਆਵਾਂ ਤੋਂ ਬਚਣ ਦੇ ਯੋਗ ਸਨ. ਅੱਗੇ ਜਾ ਰਿਹਾ ਹਾਂ, ਮੈਂ ਆਸ ਕਰਦਾ ਹਾਂ ਕਿ ਖੋਜਕਰਤਾ ਦੁਆਰਾ ਇਕੱਤਰ ਕੀਤੇ ਡਾਟਾ ਦੇ ਨਾਲ ਵੱਡੇ ਡਾਟਾ ਸ੍ਰੋਤਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਵਾਲੇ ਸਟੋਕਸਾਂ ਨੂੰ ਚਲਾਏ ਜਾ ਰਹੇ ਅਧਿਐਨ ਨਾਲ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਕੰਪਨੀਆਂ ਅਤੇ ਸਰਕਾਰਾਂ ਕਿਸੇ ਵੀ ਮਾਪ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਨਾਲ ਸਮੇਂ ਸਿਰ ਅਤੇ ਵੱਧ ਸਹੀ ਅੰਦਾਜ਼ੇ ਬਣਾਉਣ ਵਿੱਚ ਸਮਰੱਥ ਹੋ ਸਕਦੀਆਂ ਹਨ, Nowcasting ਪ੍ਰਜੈਕਟਾਂ ਜਿਵੇਂ ਕਿ ਗੂਗਲ ਫਲੂ ਰੁਝਾਨ ਇਹ ਵੀ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਜੇ ਵੱਡਾ ਡੇਟਾ ਸ੍ਰੋਤ ਰਵਾਇਤੀ ਉਦੇਸ਼ਾਂ ਲਈ ਬਣਾਏ ਗਏ ਵਧੇਰੇ ਰਵਾਇਤੀ ਡਾਟਾ ਦੇ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਤਾਂ ਕੀ ਹੋ ਸਕਦਾ ਹੈ. ਅਧਿਆਇ 1 ਦੀ ਕਲਾ ਸਾਖ ਨੂੰ ਮੁੜ ਸੋਚਦੇ ਹੋਏ, ਹੁਣ ਦੇ ਆ ਰਹੇ ਕੋਲ ਡੀਕੈਮਪ-ਸ਼ੈਲੀ ਦੀਆਂ ਤਿਆਰੀਆਂ ਨੂੰ ਮਾਈਕਲਐਂਜਲੋ-ਸਟਾਈਲ ਦੇ ਸਟੋਰਾਂ ਨਾਲ ਜੋੜਨ ਦੀ ਸਮਰੱਥਾ ਹੈ ਤਾਂ ਜੋ ਫ਼ੈਸਲਾ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਨੇੜੇ ਦੇ ਭਵਿੱਖ ਦੀ ਵਰਤਮਾਨ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨਾਂ ਦੇ ਸਮੇਂ ਸਿਰ ਅਤੇ ਹੋਰ ਸਟੀਕ ਮਾਪਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਇਆ ਜਾ ਸਕੇ.