論文の概要: Leveraging Social Media Data and Artificial Intelligence for Improving Earthquake Response Efforts
- arxiv url: http://arxiv.org/abs/2501.14767v1
- Date: Sat, 28 Dec 2024 11:08:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-02 09:48:05.258525
- Title: Leveraging Social Media Data and Artificial Intelligence for Improving Earthquake Response Efforts
- Title(参考訳): 地震応答改善のためのソーシャルメディアデータと人工知能の活用
- Authors: Kalin Kopanov, Velizar Varbanov, Tatiana Atanasova,
- Abstract要約: デジタル時代には、リアルタイム情報共有は前例のないレベルに達している。
本研究は、X(元Twitter)上の2,920件の投稿と5,980件の返信を含む8,900件のソーシャルメディアインタラクションに関する実験的分析を含む。
その結果,ソーシャルメディアプラットフォームをリアルタイムな状況認識ツールとして効果的に活用できることが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: The integration of social media and artificial intelligence (AI) into disaster management, particularly for earthquake response, represents a profound evolution in emergency management practices. In the digital age, real-time information sharing has reached unprecedented levels, with social media platforms emerging as crucial communication channels during crises. This shift has transformed traditional, centralized emergency services into more decentralized, participatory models of disaster situational awareness. Our study includes an experimental analysis of 8,900 social media interactions, including 2,920 posts and 5,980 replies on X (formerly Twitter), following a magnitude 5.1 earthquake in Oklahoma on February 2, 2024. The analysis covers data from the immediate aftermath and extends over the following seven days, illustrating the critical role of digital platforms in modern disaster response. The results demonstrate that social media platforms can be effectively used as real-time situational awareness tools, delivering critical information to society and authorities during emergencies.
- Abstract(参考訳): ソーシャルメディアと人工知能(AI)の災害管理、特に地震対策への統合は、緊急管理の実践において大きな進化を見せている。
デジタル時代には、リアルタイム情報共有は前例のないレベルに達し、危機の間にソーシャルメディアプラットフォームが重要なコミュニケーションチャネルとして出現した。
この変化は、従来型の中央集権的な救急サービスを、災害状況認識のより分散的で参加的なモデルに転換した。
2024年2月2日にオクラホマ州でマグニチュード5.1の地震が発生した後、X(旧Twitter)で2,920件の投稿と5,980件の返信を含む8,900件のソーシャルメディアインタラクションを実験的に分析した。
この分析は、災害直後のデータを網羅し、その後の7日間にわたって延ばし、現代の災害対応におけるデジタルプラットフォームの重要性を浮き彫りにしている。
その結果、ソーシャルメディアプラットフォームはリアルタイムの状況認識ツールとして有効に利用でき、緊急時に社会や当局に重要な情報を提供することができた。
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) - Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。
実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。
モンキーポックスのWHO流行宣言より4~9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文 参考訳(メタデータ) (2024-04-02T06:31:17Z) - 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) - 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) - Designing a Social Media Analytics Dashboard for Government Agency
Crisis Communications [0.0]
政府機関は、危機時にソーシャルメディアを口コミとして利用するために、ますますソーシャルメディアに目を向けている。
政府機関は、公共の利益のためにソーシャルメディアデータを分析するためのツールを必要としている。
本稿では,地方自治体向けのソーシャルメディア分析ダッシュボードの開発を指導するデザインサイエンス研究手法を提案する。
論文 参考訳(メタデータ) (2022-02-11T10:41:01Z) - 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) - 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) - 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) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳(メタデータ) (2020-04-03T18:26:33Z)
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。