کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10226930 1701316 2019 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Social media data and post-disaster recovery
ترجمه فارسی عنوان
اطلاعات رسانه های اجتماعی و بازیابی پس از فاجعه
کلمات کلیدی
الگوهای زمان فضایی، بازیابی پس از فاجعه، رسانه های اجتماعی، توییتر،
ترجمه چکیده
این مطالعه یک روش چند مرحله ای برای تجزیه و تحلیل داده های رسانه های اجتماعی در طول مرحله پس از فاجعه طوفان شنی معرفی می کند. خروجی های آن عبارتند از شناسایی افرادی که فاجعه را تجربه کرده اند، برآورد مکان فیزیکی آنها، ارزیابی موضوعات مورد بحث پس از فاجعه، تجزیه و تحلیل روابط میان سطح در میان موضوعاتی که افراد مورد بحث و ویژگی های داخلی در سطح تراکت قرار دارند، و مقایسه از این خروجی ها به افرادی که فاجعه را تجربه نکرده اند. مباحث مبتنی بر ایمان، جامعه، دارایی ها و مالی به عنوان موضوعات مهم بحث در حوزه تجربه فاجعه تبدیل شده است. تفاوت میان پیش بینی کننده های این موضوعات در مقایسه با افرادی که فاجعه را تجربه نکرده اند، در عمق مورد بررسی قرار گرفتند و تفاوت های قابل توجهی را در بین جمعیت های آسیب پذیر نشان دادند. استفاده از این روش به عنوان الگوریتم جدید یادگیری ماشین برای تجزیه و تحلیل حجم زیادی از داده های رسانه های اجتماعی در نتیجه گیری حمایت می شود.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری سیستم های اطلاعات مدیریت (MIS)
چکیده انگلیسی
This study introduces a multi-step methodology for analyzing social media data during the post-disaster recovery phase of Hurricane Sandy. Its outputs include identification of the people who experienced the disaster, estimates of their physical location, assessments of the topics they discussed post-disaster, analysis of the tract-level relationships between the topics people discussed and tract-level internal attributes, and a comparison of these outputs to those of people who did not experience the disaster. Faith-based, community, assets, and financial topics emerged as major topics of discussion within the context of the disaster experience. The differences between predictors of these topics compared to those of people who did not experience the disaster were investigated in depth, revealing considerable differences among vulnerable populations. The use of this methodology as a new Machine Learning Algorithm to analyze large volumes of social media data is advocated in the conclusion.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Information Management - Volume 44, February 2019, Pages 25-37
نویسندگان
, , , , ,