論文の概要: "Help! Can You Hear Me?": Understanding How Help-Seeking Posts are Overwhelmed on Social Media during a Natural Disaster

• arxiv url: http://arxiv.org/abs/2205.12535v1
• Date: Wed, 25 May 2022 07:14:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 17:14:01.721123
• Title: "Help! Can You Hear Me?": Understanding How Help-Seeking Posts are Overwhelmed on Social Media during a Natural Disaster
• Title（参考訳）: 『Help! Can You Hear Me?』:自然災害時のソーシャルメディアへのヘルプ検索投稿の圧倒について
• Authors: Changyang He, Yue Deng, Wenjie Yang, Bo Li
• Abstract要約: 人気の中国のソーシャルメディアプラットフォームWeiboに「Henan Rainstorm Mutual Aid」というキーワードで141,674件のヘルプ検索記事を収集した。 我々は,言語的・非言語的なヘルプ検索戦略を発見し,過剰な力の予防に役立てる。
• 参考スコア（独自算出の注目度）: 16.152052173909855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Posting help-seeking requests on social media has been broadly adopted by victims during natural disasters to look for urgent rescue and supplies. The help-seeking requests need to get sufficient public attention and be promptly routed to the intended target(s) for timely responses. However, the huge volume and diverse types of crisis-related posts on social media might limit help-seeking requests to receive adequate engagement and lead to their overwhelm. To understand this problem, this work proposes a mixed-methods approach to figure out the overwhelm situation of help-seeking requests, and individuals' and online communities' strategies to cope. We focused on the 2021 Henan Floods in China and collected 141,674 help-seeking posts with the keyword "Henan Rainstorm Mutual Aid" on a popular Chinese social media platform Weibo. The findings indicate that help-seeking posts confront critical challenges of both external overwhelm (i.e., an enormous number of non-help-seeking posts with the help-seeking-related keyword distracting public attention) and internal overwhelm (i.e., attention inequality with 5% help-seeking posts receiving more than 95% likes, comments, and shares). We discover linguistic and non-linguistic help-seeking strategies that could help to prevent the overwhelm, such as including contact information, disclosing situational vulnerabilities, using subjective narratives, and structuring help-seeking posts to a normalized syntax. We also illustrate how community members spontaneously work to prevent the overwhelm with their collective wisdom (e.g., norm development through discussion) and collaborative work (e.g., cross-community support). We reflect on how the findings enrich the literature in crisis informatics and raise design implications that facilitate effective help-seeking on social media during natural disasters.
• Abstract（参考訳）: 自然災害の被災者からは、緊急救助や物資の確保を求めて、ソーシャルメディアにヘルプ・サーキング・リクエストを投稿することが広く採用されている。 ヘルプ検索要求は、十分な公共の注目を集め、タイムリーなレスポンスのために、意図したターゲット(s)に即座にルーティングする必要があります。 しかし、ソーシャルメディア上の膨大な数の危機関連投稿は、適切なエンゲージメントを受けるためのヘルプ検索要求を制限し、彼らの圧倒につながる可能性がある。 そこで本研究では,支援要請の過激な状況と対処する個人・オンラインコミュニティの戦略を明らかにするため,混合手法のアプローチを提案する。 我々は,中国における2021年ヘナン洪水に注目し,人気のソーシャルメディアプラットフォームWeibo上で,「Henan Rainstorm Mutual Aid」というキーワードで141,674件のヘルプ検索記事を収集した。 その結果、ヘルプシーキングポストは外部の過剰な投稿(ヘルプシーキングに関連するキーワードが大衆の注意をそらすような膨大な数の非ヘルプシーキングポスト)と内部の過剰な投稿(95%以上のいいね、コメント、共有を受け取った5%の注意不平等)の両方で重要な課題に直面していることがわかった。 我々は,接触情報や状況的脆弱性の開示,主観的物語の使用,正規化構文へのヘルプ検索ポストの構造化など,言語的・非言語的なヘルプ検索戦略を発見する。 また、コミュニティメンバーが集団知恵(例えば、議論による標準開発)と共同作業(例えば、コミュニティ間サポート)で圧倒されるのを防ぐために、自発的にどのように働くかを説明している。 本研究は, 危機情報学における文献の充実と, 自然災害時のソーシャルメディア上での効果的なヘルプ検索を促進する設計上の意義について考察する。

関連論文リスト

• 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)
• CReMa: Crisis Response through Computational Identification and Matching of Cross-Lingual Requests and Offers Shared on Social Media [5.384787836425144]
  危機の時代には、ソーシャルメディアプラットフォームはコミュニケーションの促進と資源の調整において重要な役割を担っている。 本稿では,CReMa(Crisis Response Matcher)を提案する。 16言語でヘルプ検索をシミュレートし,ソーシャルメディアに支援を提供する新しい多言語データセットを提案する。
  論文  参考訳（メタデータ） (2024-05-20T09:30:03Z)
• LLM-Assisted Crisis Management: Building Advanced LLM Platforms for Effective Emergency Response and Public Collaboration [0.0]
  本稿では,オープンソースのLarge Language Model, LLAMA2を用いて, 緊急時の特定と分類を行う新しい手法を提案する。 目標は、自然言語処理と機械学習の力を活用して、全国の緊急時に公共の安全通信事業者や大群衆を支援することだ。
  論文  参考訳（メタデータ） (2024-01-12T17:50:35Z)
• 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)
• Critical Behavioral Traits Foster Peer Engagement in Online Mental Health Communities [28.17719749654601]
  10,118件以上の投稿と、21のメンタルヘルス固有のサブレディットからの58,279件のコメントからなる、ピアカウンセリングデータセットであるBeCOPEを紹介した。 分析の結果, 「自己批判」は, ヘルプシーカーが表現する批判の最も一般的な形態であり, 相互作用の43%を占めることが明らかとなった。 本稿では, 高い可読性は, 追従支援を受ける確率を効果的に2倍にすることを示す。
  論文  参考訳（メタデータ） (2023-09-04T14:00:12Z)
• 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)
• NOPA: Neurally-guided Online Probabilistic Assistance for Building Socially Intelligent Home Assistants [79.27554831580309]
  われわれは、家庭内の人々を支援するために、社会的にインテリジェントなロボットを構築する方法を研究する。 ロボットは人間の目標を同時に推測しなければならない。
  論文  参考訳（メタデータ） (2023-01-12T18:59:34Z)
• How to Save Lives with Microblogs? Lessons From the Usage of Weibo for Requests for Medical Assistance During COVID-19 [27.59580723175562]
  われわれは、Weiboの緊急医療支援を求める新型コロナウイルス患者や介護者からの8万件の投稿を分析した。 よりよい代替案が出現した後でも、リクエストを発行するための確立した機能に固執する傾向にあることがわかりました。 これらの発見は、危機時の要求や対応を支援するためのマイクロブロッギングツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2022-04-15T08:10:26Z)
• Fragments of the Past: Curating Peer Support with Perpetrators of Domestic Violence [88.37416552778178]
  我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。 私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。 これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
  論文  参考訳（メタデータ） (2021-07-09T22:57:43Z)
• 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)

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。