論文の概要: Enhancing Trustworthiness and Minimising Bias Issues in Leveraging Social Media Data for Disaster Management Response

• arxiv url: http://arxiv.org/abs/2409.00004v1
• Date: Thu, 15 Aug 2024 10:59:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-08 15:50:41.146070
• Title: Enhancing Trustworthiness and Minimising Bias Issues in Leveraging Social Media Data for Disaster Management Response
• Title（参考訳）: 災害対応のためのソーシャルメディアデータ活用における信頼性向上とバイアス問題の最小化
• Authors: Samia Abid, Bhupesh Kumar Mishra, Dhavalkumar Thakker, Nishikant Mishra,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.1499944454332829
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Disaster events often unfold rapidly, necessitating a swift and effective response. Developing action plans, resource allocation, and resolution of help requests in disaster scenarios is time-consuming and complex since disaster-relevant information is often uncertain. Leveraging real-time data can significantly deal with data uncertainty and enhance disaster response efforts. To deal with real-time data uncertainty, social media appeared as an alternative effective source of real-time data as there has been extensive use of social media during and after the disasters. However, it also brings forth challenges regarding trustworthiness and bias in these data. To fully leverage social media data for disaster management, it becomes crucial to mitigate biases that may arise due to specific disaster types or regional contexts. Additionally, the presence of misinformation within social media data raises concerns about the reliability of data sources, potentially impeding actionable insights and leading to improper resource utilization. To overcome these challenges, our research aimed to investigate how to ensure trustworthiness and address biases in social media data. We aim to investigate and identify the factors that can be used to enhance trustworthiness and minimize bias to make an efficient and scalable disaster management system utilizing real-time social media posts, identify disaster-related keywords, and assess the severity of the disaster. By doing so, the integration of real-time social data can improve the speed and accuracy of disaster management systems
• Abstract（参考訳）: 災害イベントはしばしば急速に展開し、迅速かつ効果的な対応を必要とする。 災害シナリオにおける行動計画、リソース割り当て、ヘルプ要求の解決は、災害関連情報が不確実であることが多いため、時間がかかり複雑である。 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。 リアルタイムデータの不確実性に対処するため、災害前後にソーシャルメディアが広く利用されているため、ソーシャルメディアはリアルタイムデータの代替の有効な情報源として現れた。 しかし、これらのデータに信頼性とバイアスに関する課題も生み出します。 災害管理にソーシャルメディアデータを十分に活用するためには、特定の災害タイプや地域状況によって生じるバイアスを軽減することが重要である。 さらに、ソーシャルメディアデータに誤報があることは、データソースの信頼性への懸念を高め、実行可能な洞察を阻害し、リソース利用を不適切なものにする可能性がある。 これらの課題を克服するために,ソーシャルメディアデータにおける信頼性の確保とバイアスへの対処方法を検討することを目的とした。 本研究では, 信頼度を高め, バイアスを最小限に抑え, リアルタイムなソーシャルメディア投稿を利用した効率的でスケーラブルな災害管理システムを構築し, 災害関連キーワードを同定し, 災害の深刻度を評価することを目的とする。 これにより、リアルタイムソーシャルデータの統合は災害管理システムのスピードと精度を向上させることができる。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• 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)
• Near-real-time Earthquake-induced Fatality Estimation using Crowdsourced Data and Large-Language Models [5.031939163610801]
  本研究では,地球規模の地震による損失予測の時系列と精度を大幅に改善するエンドツーエンドフレームワークを提案する。 我々のフレームワークは,大規模言語モデル上に構築された階層的カジュアルさ抽出モデルと,迅速な設計,少数ショット学習を統合している。 我々は2022年と2022年の一連の世界地震でリアルタイムにこのフレームワークをテストし、我々のフレームワークが2021年までに手動の手法に匹敵する速度と精度を達成し、カジュアルなデータ検索を合理化していることを示す。
  論文  参考訳（メタデータ） (2023-12-04T17:09:58Z)
• 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)
• DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet Classification via Memory Bank [52.20298962359658]
  危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。 完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。 半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。 本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:51Z)
• CrisisLTLSum: A Benchmark for Local Crisis Event Timeline Extraction and Summarization [62.77066949111921]
  本稿では,現在までに利用可能な地域危機イベントタイムラインの最大のデータセットであるCrisisLTLSumについて述べる。 CrisisLTLSumには、山火事、地元の火災、交通、嵐の4つの領域にわたる1000の危機イベントタイムラインが含まれている。 最初の実験では, 両タスクの人的性能と比較して, 強いベースライン性能の間に有意な差があることが示唆された。
  論文  参考訳（メタデータ） (2022-10-25T17:32:40Z)
• Continual Distributed Learning for Crisis Management [0.0]
  Twitterなどのソーシャルメディアプラットフォームは、緊急時のモバイル通信に優れたリソースを提供します。 このような状況下に存在するデータは絶えず変化しており、危機時のリソースは容易には利用できない可能性がある。 低リソースで継続的な学習システムを開発し、NLPモデルをノイズの多い無秩序なデータに対して堅牢にする必要があります。
  論文  参考訳（メタデータ） (2021-04-26T21:01:29Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)
• Improving Community Resiliency and Emergency Response With Artificial Intelligence [0.05541644538483946]
  我々は、ステークホルダーが包括的で関連性があり、信頼できる情報にタイムリーにアクセスできるようにする、多段階の緊急対応ツールを目指しています。 本ツールは, 浸水リスク位置, 道路ネットワーク強度, 浸水マップ, 浸水地や被害インフラを推定するコンピュータビジョンセマンティックセマンティックセマンティックセグメンテーションなど, オープンソースの地理空間データの複数の層を符号化して構成する。 これらのデータレイヤを組み合わせて、緊急時の避難経路の検索や、最初に影響を受けたエリアで最初の応答者のために利用可能な宿泊場所のリストを提供するなど、機械学習アルゴリズムの入力データとして利用する。
  論文  参考訳（メタデータ） (2020-05-28T18:05:08Z)
• 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。