論文の概要: Leveraging LLMs and Social Media to Understand User Perception of Smartphone-Based Earthquake Early Warnings
- arxiv url: http://arxiv.org/abs/2603.23322v1
- Date: Tue, 24 Mar 2026 15:24:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.559803
- Title: Leveraging LLMs and Social Media to Understand User Perception of Smartphone-Based Earthquake Early Warnings
- Title（参考訳）: スマートフォンによる地震早期警報のユーザ認識へのLLMとソーシャルメディアの活用
- Authors: Hanjing Wang, S. Mostafa Mousavi, Patrick Robertson, Richard M. Allen, Alexie Barski, Robert Bosch, Nivetha Thiruverahan, Youngmin Cho, Tajinder Gadh, Steve Malkos, Boone Spooner, Greg Wimpey, Marc Stogaitis,
- Abstract要約: アンドロイドの地震警報システム(AEA)は、2025年4月23日のマルマラ・エレグリシ地震(Mw 6.2 Marmara Ereglisi, Trkiye Earthquake)において、早期に警告を行った。
この研究は、Large Language Models (LLMs) を利用して、Xプラットフォームから500以上の公開ソーシャルメディア投稿を分析した。
統計分析の結果、特にユーザ信頼とアラートのタイムラインとの間には大きな相関関係がみられた。
- 参考スコア（独自算出の注目度）: 6.199857416506571
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Android's Earthquake Alert (AEA) system provided timely early warnings to millions during the Mw 6.2 Marmara Ereglisi, Türkiye earthquake on April 23, 2025. This event, the largest in the region in 25 years, served as a critical real-world test for smartphone-based Earthquake Early Warning (EEW) systems. The AEA system successfully delivered alerts to users with high precision, offering over a minute of warning before the strongest shaking reached urban areas. This study leveraged Large Language Models (LLMs) to analyze more than 500 public social media posts from the X platform, extracting 42 distinct attributes related to user experience and behavior. Statistical analyses revealed significant relationships, notably a strong correlation between user trust and alert timeliness. Our results indicate a distinction between engineering and the user-centric definition of system accuracy. We found that timeliness is accuracy in the user's mind. Overall, this study provides actionable insights for optimizing alert design, public education campaigns, and future behavioral research to improve the effectiveness of such systems in seismically active regions.
- Abstract（参考訳）: 2025年4月23日のテュルキー地震(Mw 6.2 Marmara Ereglisi, Türkiye Earthquake)において、Androidの地震警報システム(AEA)は何百万人もの早期警戒を行った。
このイベントは25年ぶりの規模で、スマートフォンベースの地震早期警報(EEW)システムにとって重要な実世界テストとなった。
AEAシステムは高い精度でユーザーに警告を配信し、最強の揺れが都市部に到達する前に警告を1分以上提供した。
本研究では,Large Language Models(LLMs)を用いて,Xプラットフォームから500以上のソーシャルメディア投稿を分析し,ユーザエクスペリエンスと行動に関連する42の属性を抽出した。
統計分析の結果、特にユーザ信頼とアラートのタイムラインとの間には大きな相関関係がみられた。
本結果は,システム精度のユーザ中心的定義とエンジニアリングの区別を示す。
タイムラインはユーザの心に正確さがあることがわかりました。
本研究は, 地震活動域における警報設計の最適化, 公共教育のキャンペーン, 今後の行動研究のための実用的な知見を提供する。
関連論文リスト
- Predicting Tail-Risk Escalation in IDS Alert Time Series [3.7241274058257097]
ネットワークディフェンダーは、生の侵入検知システム(IDS)警告として観察される、安定した攻撃のストリームに直面します。
この研究は、技術的特徴だけでなく、時間的パターンを調べて分類することで、警告を調べることで、リスク測定の範囲を広げます。
論文 参考訳（メタデータ） (2026-01-16T21:00:46Z) - SAFE-QAQ: End-to-End Slow-Thinking Audio-Text Fraud Detection via Reinforcement Learning [52.29460857893198]
既存の不正検出方法は、書き起こされたテキストに依存しており、ASRのエラーや、声調や環境条件のような重要な音響的手がかりが欠けている。
音声に基づくスロー思考詐欺検出のためのエンドツーエンド包括的フレームワークSAFE-QAQを提案する。
本フレームワークは,ライブコール中に動的リスクアセスメントフレームワークを導入し,不正の早期検出と防止を可能にする。
論文 参考訳（メタデータ） (2026-01-04T06:09:07Z) - EWE: An Agentic Framework for Extreme Weather Analysis [61.092871317626496]
Extreme Weather Expert (EWE)は、このタスクに特化した最初のインテリジェントエージェントフレームワークである。
EWEは、知識誘導計画、クローズドループ推論、およびドメイン調整された気象ツールキットを通じて、専門家の可視化をエミュレートする。
進展を触媒するため、我々は103のハイインパクトイベントをキュレートしたデータセットを含む、この新興分野の最初のベンチマークを紹介した。
論文 参考訳（メタデータ） (2025-11-26T14:37:25Z) - Leveraging Social Media Data and Artificial Intelligence for Improving Earthquake Response Efforts [0.0]
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。
論文 参考訳（メタデータ） (2024-12-28T11:08:06Z) - An Attention-based Framework with Multistation Information for Earthquake Early Warnings [10.33741515490406]
本稿では,地震早期警報システムの強度予測のための深層学習型フレームワークであるSENSEを提案する。
SENSEモデルは、入力局の集合と各局の局所性固有の特性の関係を学習するように設計されている。
本研究は台湾と日本のデータセットに関する広範な実験を行った。
論文 参考訳（メタデータ） (2024-12-24T02:18:17Z) - 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) - FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳（メタデータ） (2024-03-26T08:51:23Z) - 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) - Towards advancing the earthquake forecasting by machine learning of
satellite data [22.87513332935679]
本研究では,6マグニチュード以上の1,371地震の衛星データに基づく短期予測を行うための新しい機械学習手法であるInverse Boosting Pruning Trees(IBPT)を開発した。
提案手法は,選択された6つのベースラインを上回り,異なる地震データベースの地震予測の可能性を向上する強力な能力を示す。
論文 参考訳（メタデータ） (2021-01-31T02:29:48Z) - 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。