Facebook-Aktivität verrät, wer Alkohol trinkt oder Drogen konsumiert

Soziale Netzwerke wie Facebook finanzieren sich vor allem über Werbung. Diese sollte möglichst maßgeschneidert sein, entsprechend viele Informationen erfassen diese Unternehmen auch. Was man aus Likes und Statusupdates herauslesen kann, zeigt eine aktuelle Untersuchung von Suchtforschern: Denn die konnten mit maschinellem Lernen sehr genaue Voraussagen zum Suchtverhalten machen. Es ist sicherlich keine neue Erkenntnis, wenn man schreibt oder warnt, dass soziale Netzwerke mehr über ihre Nutzer wissen als diese glauben und man entsprechend vorsichtig beim Posten sein sollte. Das betrifft vor allem Bilder von Partys und sonstigen Anspielungen auf diverse Substanzen.

Denn laut einer Studie des Addiction Recovery Research Centers in Roanoke im US-Bundesstaat Virginia (via Netpolitik.org) lassen sich aus den unterschiedlichsten Aktivitäten auf Facebook Verhaltensmuster ableiten, die mit hoher Genauigkeit Voraussagen zum Suchtverhalten ermöglichen.

"Gefällt mir"-Angaben und Statusupdates

Laut den Forschern kamen bei ihren Untersuchungen hochmodernes maschinelles Lernen sowie das "Mining" von Texten zum Einsatz. Damit konnten die Wissenschaftler ein Erkennungssystem entwickeln, mit dem sie mit hoher Wahrscheinlichkeit Menschen als Nutzer von legalen und illegalen Drogen wie Alkohol, Tabak, Cannabis und anderen Suchtmitteln identifizieren konnten. Basis für die Daten waren u. a. "Gefällt mir"-Angaben und Statusupdates.

Wie erwähnt ist die Erkennungsrate überraschend hoch: Laut den Forschern konnte man Tabaknutzung mit 86 Prozent, übermäßigen Alkoholkonsum mit 81 Prozent und Drogenmissbrauch mit 84 Prozent voraussagen. Man stellt fest, dass die Art der Erkennung alle derzeit gängigen Methoden zur Suchterkennung klar schlägt.

Und der Datensatz, der für die Studie herangezogen wurde, kann durchaus als gewaltig bezeichnet werden: Denn die Forscher haben Likes von elf Millionen Facebook-Usern sowie 22 Millionen Statusupdates von insgesamt 150.000 Nutzern ausgewertet.