Zajímavé věci odhalila analýza miliardy místně lokalizovaných tweetů z let 2009 - 2015 provedená pomocí umělé inteligence. Subjektivní pocit spokojenosti měřený indexem prosperity lze analýzou použitých slov v tweetech stanovit mnohem snadněji než klasickým osobním dotazováním, ale má to svá úskalí. Metoda strojového učení odhalila podstatné rozdíly v místním významu slov. Např. výrazy „good“, „love“ a „LOL“ jsou pozitivní, ale ne tak moc v chudých oblastech s obyvateli s nízkým vzděláním. Pro změnu negativní výrazy „domácí úkol“ nebo „daně“ využívají bohatší oblasti nad očekávání.

Sociologové kalibrovali údaje z Twitteru podle hodnot indexu prosperity zvaného Gallup-Sharecare Well-Being Index v jednotlivých okresech (county) určeného dle výsledků telefonického dotazování 1,7 milionu lidí v odpovídající době. Gallup-Sharecare Well-Being Index shrnuje pocity respondentů v pěti oblastech: smysl života, sociální vztahy, finanční zabezpečení, vztah ke komunitě a vlastní zdraví.

O smyslu studie říká šéf výzkumu Johannes C. Eichstaedt ze Stanford University: „Na čem opravdu záleží, je, jak dobře si populace vede z hlediska psychického a fyzického zdraví, spíše než jen růst HDP. Možná nezáleží na měření subjektivního blahobytu samo o sobě, ale subjektivní blahobyt má dopad na úmrtnost včetně srdečních chorob. Má také dopad na ekonomické výnosy. Takže jde o dost důležitou proměnnou, kterou je třeba v populaci sledovat. Při výběru slov pro měření pohody je opravdu důležité věnovat pozornost kulturním rozdílům v používání jazyka v USA.“