論文の概要: A Survey on Disaster: Understanding the After-effects of Super-cyclone
Amphan and Helping Hand of Social Media
- arxiv url: http://arxiv.org/abs/2007.14910v1
- Date: Wed, 29 Jul 2020 15:30:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 20:34:34.664026
- Title: A Survey on Disaster: Understanding the After-effects of Super-cyclone
Amphan and Helping Hand of Social Media
- Title（参考訳）: 災害調査:超サイクロン・アンファンの余効効果とソーシャルメディア支援
- Authors: Soham Poddar, Mainack Mondal and Saptarshi Ghosh
- Abstract要約: 2020年5月、インド東部、特に西ベンガル州、オディシャ州、バングラデシュの一部に超高気圧「アンファン」が襲来した。
本研究は,西ベンガル州の住民に対する自然災害の自己申告効果を理解することを目的とする。
- 参考スコア（独自算出の注目度）: 3.18571475546423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The super-cyclonic storm "Amphan" hit Eastern India, specifically the state
of West Bengal, Odisha and parts of Bangladesh in May 2020, and caused severe
damage to the regions. In this study, we aim to understand the self-reported
effects of this natural disaster on residents of the state of West Bengal. To
that end, we conducted an online survey to understand the effects of the
cyclone. In total, 201 participants (spanning five districts) from the
worst-affected state of West Bengal participated in the survey. This report
describes our findings from the survey, with respect to the damages caused by
the cyclone, how it affected the population in various districts of West
Bengal, and how prepared the authorities were in responding to the disaster. We
found that the participants were most adversely affected in this disaster due
to disruption of services like electricity, phone and internet (as opposed to
uprooting of trees and water-logging). Furthermore, we found that receiving
responses to Amphan-related queries is highly positively correlated with the
favorable perception of people about preparedness of authorities. Additionally,
we study the usage of online social media by the affected population in the
days immediately after the disaster. Our results strongly suggest how social
media platforms can help authorities to better prepare for future disasters. In
summary, our study analyzes self-reported data collected from grassroots, and
brings out several key insights that can help authorities deal better with
disaster events in future.
- Abstract（参考訳）: 2020年5月にインド東部、特に西ベンガル州、オディシャ州、バングラデシュの一部を襲った超高気圧「アンファン」は、この地域に深刻な被害をもたらした。
本研究では,西ベンガル州の住民に対する自然災害の自己申告効果を理解することを目的とする。
そこで我々は,サイクロンの効果を理解するためのオンライン調査を行った。
西ベンガル州の201人の参加者(5つの地区にまたがる)が調査に参加した。
本報告では,サイクロンによる被害,西ベンガル各地区の住民への影響,災害対応における当局の対応状況について報告する。
その結果、電気、電話、インターネットなどのサービス(樹木の根絶や水辺の伐採とは対照的に)の破壊により、参加者の被害が最も大きかった。
さらに,amphan関連質問に対する回答は,当局の対応性に対する人々の好意的な認識と高い相関関係にあることがわかった。
また,災害直後の被災者によるオンラインソーシャルメディアの利用状況についても調査した。
今後の災害に備えるため、ソーシャルメディアプラットフォームが当局にどのように役立つかを強く示唆した。
本研究は,草の根から収集した自己報告データを分析し,今後の災害対応に役立つ重要な知見をいくつか提示する。
関連論文リスト
- Public Health in Disaster: Emotional Health and Life Incidents Extraction during Hurricane Harvey [1.433758865948252]
嵐に関連する40万件の公開ツイートのデータセットを収集しました。
BERTベースのモデルを用いて、各ツイートに関連する感情を予測した。
グラフニューラルネットワーク(GNN)とLarge Language Models(LLM)を統合して分析をさらに改良した。
論文 参考訳（メタデータ） (2024-08-20T18:31:20Z) - CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。
本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。
この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文 参考訳（メタデータ） (2024-06-16T23:01:10Z) - CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster
Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。
私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文 参考訳（メタデータ） (2023-10-23T07:01:09Z) - Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。
私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文 参考訳（メタデータ） (2023-08-16T05:58:12Z) - Investigating disaster response through social media data and the
Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S.
wildfire season [0.8999666725996975]
ソーシャルメディアは災害時の公衆の懸念や要求を反映することができる。
Twitterデータからトピックをクラスタリングするために、BERT(Bidirectional Representations from Transformers)トピックモデリングを使用しました。
本研究では、ソーシャルメディアデータを用いたSIRモデルとトピックモデリングが、災害対応を定量的に評価するための意思決定者に提供する方法について詳述する。
論文 参考訳（メタデータ） (2023-08-10T01:51:33Z) - Earthquake Impact Analysis Based on Text Mining and Social Media
Analytics [5.949779668853556]
地震は広範囲に深く影響しており、緊急救助活動は災害の範囲と範囲に関するソーシャルメディアの情報から恩恵を受ける可能性がある。
本研究は,早期地震影響解析のためのソーシャルメディアデータを収集・分析するためのテキストマイニング手法を提案する。
論文 参考訳（メタデータ） (2022-12-12T13:51:07Z) - Patterns of ICT usage in disaster in Samoa [0.0]
調査では、サモア市民がテクノロジーをどのように利用し、さまざまな種類の情報で行動し、情報ソースやメディアが災害時の行動決定にどう影響するかを調査した。
伝統的な放送は依然として最も顕著で、最も重要であり、早期警戒と災害対応で支配的であった。
また、人々は危機時の情報源として、公式記者を最も信頼していることも判明した。
論文 参考訳（メタデータ） (2021-08-23T05:24:06Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳（メタデータ） (2020-10-16T02:15:34Z) - Social Media Information Sharing for Natural Disaster Response [0.0]
ソーシャルメディアは災害関連情報を投稿するための重要なチャンネルとなり、政府や救援機関が災害管理を改善するためのリアルタイムデータを提供している。
本研究の目的は,災害対応に対する公衆の態度や災害時の防災物資に対する公衆の要求など,ソーシャルメディアデータのマイニング・分析による防災効率の向上である。
論文 参考訳（メタデータ） (2020-05-08T21:11:39Z) - Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。
本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
論文 参考訳（メタデータ） (2020-04-29T16:17:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。