韩国一项研究显示，干旱影响范围从全国性扩散到区域性集中时，公众的关注度、情绪表达与信息获取行为会出现差异。该研究由浦项科技大学（POSTECH）环境工程系甘钟勋教授团队开展，研究人员利用人工智能对2022—2023年干旱期间的新闻报道、社交媒体帖子及网络搜索数据进行分析。相关成果近期发表于《人文与社会科学通讯》（Humanities and Social Sciences Communications）。

研究团队指出，干旱通常呈渐进式演变：从降雨减少引发的气象干旱，发展为土壤干燥的农业干旱，进一步演变为河流与水库水位下降的水文干旱；若持续时间较长，还可能转化为影响工业与日常生活的社会经济干旱。研究以此为出发点，关注环境变化推进过程中公众意识、情绪与信息搜索方式的同步变化。

在研究设计上，团队将2022年全国范围干旱与2023年干旱主要集中于光州和全南地区的情形进行对比，收集干旱期间产生的新闻文章、社交媒体帖子和网络搜索记录，并使用基于自然语言处理的人工智能方法衡量公众兴趣、情绪与行为随灾害规模变化的差异。

研究结果显示，2022年6月全国干旱最严重时，网络搜索量、新闻报道量与社交媒体发帖量均达到峰值。相比之下，2023年3月干旱主要局限于韩国西南部地区时，当地新闻报道与搜索活动有所增加，但社交媒体帖子相对减少。研究团队据此总结称，当干旱成为全国性议题时，公众更倾向于通过社交媒体表达；当干旱呈区域性问题时，公众行为更多体现为信息检索。

对新闻标题情绪的分析也呈现出一定规律。研究期间，“期待”“焦虑”“失望”等情绪反复出现：在预报可能降雨时，相关报道更易呈现“期待”；当降雨未如期出现时，“失望”情绪随之上升。研究团队认为，这一循环贯穿干旱期，反映出媒体报道与公众情绪在灾害期间的关联。

研究团队表示，干旱应对除技术层面的水资源短缺解决方案外，还需纳入公众意识与沟通因素。通过大数据与人工智能提前识别社会反应，有助于更有效地设计干旱预警、政策信息与应对策略。

甘钟勋表示，研究通过人工智能分析新闻文章与个人帖子等非结构化数据，以理解灾害期间的社会情绪与行为，为干旱缓解提供了新的观察视角，并为改进未来干旱应对与风险沟通策略提供启示。