論文の概要: Patterns of ICT usage in disaster in Samoa
- arxiv url: http://arxiv.org/abs/2108.09940v1
- Date: Mon, 23 Aug 2021 05:24:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 12:26:59.687545
- Title: Patterns of ICT usage in disaster in Samoa
- Title（参考訳）: サモアの災害におけるICT活用のパターン
- Authors: Ioana Chan Mow, Agnes Wong Soon, Elisapeta Maua'i and Ainsley Anesone
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The study discussed in this paper focuses on ICT use during disasters in
Samoa and is a replicate of a study carried out in 2015. The study used a
survey to explore how Samoan citizens use technology, act on different types of
information, and how the information source or media affects decisions to act
during a disaster. Findings revealed that traditional broadcasting were still
the most prominent, most important, and still predominate in early warning and
disaster response. However, there were now increasing usage of mobile and
social media in disaster communications. Findings also revealed that people
trust official reporters the most as source of information in times of crisis.
The intent is that findings from this study can contribute to a people-centred
approach to early warning and disaster providing empowerment to affected
individuals to act in a timely and appropriate manner to ensure survival in
times of disaster.
- Abstract（参考訳）: 本研究は,サモアにおける災害時のICT活用に焦点を当て,2015年に実施した研究の再現である。
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。
従来の放送は依然として最も顕著で、最も重要であり、早期の警告や災害対応が支配的であることが判明した。
しかし,災害コミュニケーションにおけるモバイルおよびソーシャルメディアの利用が増加している。
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。
この研究の意図は、災害時の生存を確保するために、影響を受けた個人がタイムリーかつ適切に行動する権限を与える早期警戒と災害に対する人々の中心的アプローチに、この研究の知見が貢献できることにある。
関連論文リスト
- Enhancing Trustworthiness and Minimising Bias Issues in Leveraging Social Media Data for Disaster Management Response [0.1499944454332829]
リアルタイムデータを活用することは、データの不確実性に大きく対処し、災害対応努力を強化することができる。
ソーシャルメディアは、災害前後のソーシャルメディアの利用が盛んに行われているため、リアルタイムデータの効果的な源泉として現れている。
また、これらのデータの信頼性とバイアスに関する課題も生み出します。
信頼性を高めバイアスを最小化するために使用できる要因を調査し、特定することを目的としている。
論文 参考訳（メタデータ） (2024-08-15T10:59:20Z) - 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) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - 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) - 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) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - Detecting Damage Building Using Real-time Crowdsourced Images and
Transfer Learning [53.26496452886417]
本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。
トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。
訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
論文 参考訳（メタデータ） (2021-10-12T06:31:54Z) - Text Analytics for Resilience-Enabled Extreme Events Reconnaissance [7.54569938687922]
本研究は,(1)太平洋地震工学研究センター(PEER)サーバがホストする自動データ(ニュース・ソーシャルメディア)収集,(2)偵察報告の自動生成,(3)復旧時間などの災害後の情報を抽出するためのソーシャルメディアの利用に焦点を当てた。
論文 参考訳（メタデータ） (2020-11-26T01:43:29Z) - Clustering of Social Media Messages for Humanitarian Aid Response during
Crisis [47.187609203210705]
近年のDeep Learning and Natural Language Processingの進歩は,情報度を分類する作業において,事前のアプローチよりも優れていることを示す。
本稿では,これらの手法を2つのサブタスクに拡張し,Deep Learning法も有効であることを示す。
論文 参考訳（メタデータ） (2020-07-23T02:18:05Z) - 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)
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。