Dieser Artikel basiert auf der Dissertationsarbeit von Ana María Miralles Castellanos, PhD., Die auf Twitter als Problem der Computational Social Science bezeichnet wird.

Von: Luis Fernando Gutierrez Cano und Jorge Luis Pacheco Orcasitas

In dieser zweiten Folge setzen wir die Analyse von Twitter als Sensor für reale Phänomene fort, in dem die Erfahrungen dieses sozialen Netzwerks präsentiert werden, und zeigen es als ein Instrument, das in reale Handlungen in der heutigen Welt eingreift aus der Untersuchung von Fällen wie der Erkennung von Ereignissen, Bürgerprotesten und Gefühlsstudien.

- Werbung -

Zunächst müssen wir darauf hinweisen, dass es laut Miralles Castellanos (2017) eindeutig ist, dass es eine neue Kategorie von Kommunikationsstudien gibt, die sich aus sogenannten sozialen Sensoren zusammensetzt, dh den digitalen Medien, die aufgrund ihrer eigenen Beobachtungen Informationen über die Umgebung liefern. Diese werden über die sogenannten sozialen Plattformen übertragen, in diesem Fall über Twitter, die sie in physische Sensoren umwandeln und Informationen über diese Ereignisse liefern können.

In diesem Text untersuchen wir die wichtigsten Ergebnisse der Forschung von Dr. Miralles Castellanos und gleichzeitig, wie ihre Studie aus den Inhalten der Nutzer, der Identifizierung von Erdbeben, Wirbelstürmen, Stadtereignissen als Sport hervorgeht und Kultur, Infrastrukturschäden, unter anderem.

Demnach ist es möglich zu zeigen, dass jeder menschliche Sensor Informationen besitzt, und aus der Verbindung der verschiedenen Nachrichten wird ein globaler Sinn erzeugt, der von der künstlichen Intelligenz (AI) analysiert werden kann. An dieser Stelle werden dank der Möglichkeiten, die die KI bietet, und mit Hilfe des Computers Daten gesammelt, die zu Informationen werden, um Sinnnetzwerke zu erfassen (Semantic Technologies).

Fälle und Erfahrungen
Autoren wie Sasaki und Matsuo (2012) stellen fest, dass für die Verhaftung von Notfällen von Twitter ein Protokoll entwickelt wird, das auf den Inhalten basiert, die von den Benutzern über das Geschehen in ihrer Nähe generiert werden. In diesem Sinne wird das Twitter Earthquake Detector-System als Beispiel genommen, bei dem die Tweets extrahiert werden, mit denen der Standort des Erdbeben-Epizentrums geschätzt werden kann, geografische Daten und Bilder erfasst und sofort per E-Mail an registrierte Benutzer in ihrem System gesendet werden schneller als "traditionelle" Medien.

Im Hinblick auf die Festnahme von Hurrikanen gibt es dagegen die Studie von Tweets des Hurrikans Sandy in New York und des Hurrikans Isaac in Louisiana, die von Zubiaga, Ji und Martinez (2015) erstellt wurde und sich auf den Benutzer stützt , Geolokalisierung und Zeit, in der humanitäre Helfer und Bürger mit nützlichen Informationen unterstützt werden. In diesem Zusammenhang versichern die Autoren, dass die Datensätze der beiden Hurrikane bewiesen haben, dass das System Informationen zu Fluten, die auf Twitter angezeigt werden, schnell wiedergewinnt.

Zum anderen werden kulturelle Ereignisse in der Stadt von Kotesva, Padi und Lbath (2016) untersucht, seitdem ein Algorithmus erstellt wurde, der automatisch die Tweets verarbeitet, die Informationen über Ereignisse in New York City enthalten. Das Vorstehende basiert auf dem Prinzip der Generierung täglicher Daten durch Nutzer, basierend auf dem Konzept, dass Twitter ein sozialer Sensor ist, der zur Kenntnis dessen beiträgt, was passiert.

Aus dieser Perspektive werden 16 Themen bearbeitet, darunter Kunst, Musik, Kino, Bücher, Gesundheit, Sport, Essen, Reisen, Urlaub, Technologien, Kirchen, Nachrichten, Mode, Shopping und Prominente.

In der Zwischenzeit befassen sich Becker, Chen, Iter, Naaman und Gravano (2011) mit den geplanten Ereignissen, die auf dem geplanten Ereignissystem in New York basieren, und beziehen sich auf ein Ereignis in drei Momenten: vorher (Orte, Stunden, Preise); während (es gibt viele Zeilen, wir sind euphorisch usw.); und nach Abschluss der Veranstaltung (Kommentare). Dieses System stellt Tweets für geplante Ereignisse wieder her. Wenn ein Benutzer auf einer Webseite nach einem Ereignis sucht, verbindet das System dieses automatisch mit den Tweets.

Takeichi, Sasahara, Suzuki und Arita (2015) haben sich auf die Erkundung der Möglichkeiten konzentriert, die sich aus der Erkennung von Verhalten bei Sportereignissen ergeben, bei denen festgestellt wird, dass Benutzer die sozialen Sensoren im Internet werden großartige Sportereignisse, die als unmittelbare Informationsquelle die Siege oder Niederlagen bestimmen. Dieses System basiert auf Aktivitätsspitzen, auf der Schaffung einer Schnittstelle zwischen der physischen Welt und dem Cyberspace und den Aktivitätsspitzen von Tweets und Retweets. In diesem Zusammenhang weisen Takeichi, Sasahara, Suzuki und Arita (2015) darauf hin, dass:

Social Media ist ein immer beliebteres Kommunikationsmittel, bei dem Menschen im Cyberspace massive soziale Interaktionen haben. Diese Interaktionen können über diesen Cyberspace hinaus erhebliche Auswirkungen haben, mit Konsequenzen in der realen Welt. Ein bekanntes Beispiel ist, dass Social Media den Aktivisten des Arabischen Frühlings dabei geholfen hat, Informationen zu verbreiten und auszutauschen, was eine Schlüsselrolle in den nachfolgenden revolutionären sozialen Bewegungen spielt.

Wie in diesem Fall können soziale Netzwerke zwischen dem Cyberspace und der physischen Welt interagieren, Menschen und Informationen auf nicht triviale Weise verbinden und zu neuen kollektiven Phänomenen führen. Das quantitative Verständnis solcher kollektiven Phänomene ist ein zentrales Thema auf dem aufstrebenden Gebiet der rechnerischen Sozialwissenschaft.

Forscher wie Tien, Musaev, Benas, Ghadi, Goodman und Pu (2016) untersuchen Infrastrukturschäden durch Transport- und Energieprobleme anhand von Fällen in Südafrika, den USA und der Karibik. Bei diesem Verfahren werden die Datenflüsse auf Twitter verwendet, um Schäden an Brücken, Autobahnen, Gasleitungen und der elektrischen Infrastruktur zu erkennen. Die Autoren identifizieren viele laute Tweets, und gleichzeitig ermöglicht das System die Erzeugung relevanter, geographischer Tweets, um Fehler zu identifizieren.

In derselben Linie werden die Arbeiten von Assis, Herfort, Steiger, Horita und De Albuquerque (2016) von Twitter und Überschwemmungen durch ein System zur Erkennung von Risikobereichen von Twitter angehoben, um Meldungen über mögliche Überschwemmungen zu identifizieren in Echtzeit von physischen Sensoren und mobilen sozialen Sensoren, was besonders nützlich ist, wenn keine physischen Sensoren vorhanden sind.

Georgiou, El Abbadi, Yan und George (2015) gehen von der Fallstudie in den kalifornischen Städten aus, um die Frage zu beantworten, wie Twitter-Nutzer auf sie reagieren die Hälfte eines Staus. Dieses Datenmodell ermöglicht es Forschern, den Ort und die Dichte der Überlastung nur über Tweets abzuschätzen, insbesondere wenn keine physischen Sensoren vorhanden sind

Im Einklang mit dem Vorstehenden prüfen D'Andrea, Ducange, Lazzerini und Marcelloni (2015) das Verkehrsüberwachungssystem in Echtzeit, schneller als Behörden und spezialisierte Webseiten. Die Forscher betonen, dass dieses System unterscheiden kann, ob Ereignisse von externen Agenten beeinflusst werden, wie beispielsweise Märsche, Sportereignisse.

Ein weiteres Thema der Studie ist die Erkennung aufkommender Probleme, bei denen Cataldi, Di Caro und Schifanella (2010) offenbaren, dass die Medien anhand von Informationen, die auf Tweets von Benutzern basieren, die Frage stellen können: Was passiert? in der Welt? Schließlich Ito und Toyoda (2016), die ihre Forschung zur Visualisierung des Passagierflusses der U-Bahn in der Hauptstadt von Japan in Echtzeit und basierend auf Twitter mit Visualisierungen leiten.
Twitter - Künstliche Intelligenz

Miralles Castellanos (2017) weist im Allgemeinen darauf hin, dass die Gewinnung von Wissen über Twitter in Bezug auf Angelegenheiten von öffentlichem Interesse aus drei Perspektiven vorgeschlagen wird:

1) Identifikation und Klassifizierung von Themen: semantische Operationen (Gruppierung und Clustering).
2) Identifikation kollektiver Dynamiken: semantische Operationen, Unterbrechen (Cloud Bursting), kollektive Aufmerksamkeit, Beschleunigung, Ansteckung, Komplexität und Sichtbarkeit.
3) Identifizierung spezifischer Domäneninhalte: semantische Operationen, Clustering und Interpretation der kollektiven Bedeutung.

In der folgenden Grafik werden die Elemente beschrieben, aus denen die Identifizierung von Themen und Dynamiken besteht. In diesem Artikel betrachten wir im Wesentlichen die Identifizierung kollektiver Dynamiken, insbesondere das Thema soziale Sensoren (Notfälle und Krisen). In der Tabelle Nr. 1 können wir die verschiedenen Faktoren, die bei der Nutzung von Twitter entstehen, aus einer allgemeinen Perspektive einschätzen.

Themen erkennen Themen-Konversationsbeziehung Suchen nach "Communities" Trendthemen und Hashtags
Identifikation kollektiver Dynamiken Kollektivdynamik exogener Quellen:
 Proteste.
 Soziale Sensoren: Notfälle und Krisen
 Bewegung. Kollektive Dynamik der endogenen Quelle:
 Kollektive Aufmerksamkeit.
 Sichtbarkeit.
 Verbreitung von Meinungen.
 Super Diffusoren.
Identifizierung von Domaininhalten: öffentliche Meinung und Politik Politische Sprachbildung
 Kontroversen.
 Polarisation.
 Öffentliche Meinung ohne Überlegung.
Tischnr. 1 Identifikation von Themen und Dynamik

Quelle: Miralles (2017).

Schlussfolgerungen
Künstliche Intelligenz kann aus humanistischer Sicht einen Beitrag zur Lösung sozialer Probleme leisten, und zwar aus der Perspektive der Daten, die aus sozio-technischen Medien wie Twitter oder anderen sozialen Plattformen hervorgehen, um eine Lesung von kollektive Intelligenz für das Verständnis der komplexen Realität, die eine vernetzte Gesellschaft heute lebt.

Richard Santa, RAVT
Autor: Richard Santa, RAVT
Herausgeber
Journalist von der Universität von Antioquia (2010), mit Erfahrung in Technologie und Wirtschaft. Herausgeber der Magazine TVyVideo + Radio und AVI Lateinamerika. Akademischer Koordinator von TecnoTelevisión & Radio.

SPONSOREN














Andere Neuigkeiten

article thumbnailAll diese Elemente sind alle von wesentlicher Bedeutung für den Erfolg einer Live-Videoproduktionsinitiative über ...
article thumbnailWie bereits in der vorangegangenen Folge erwähnt, von den späten Neunzigern bis in die Gegenwart, mit dem Aufkommen und der anschließenden Konsolidierung von ...
article thumbnailIn der Vergangenheit war Mexiko in der regionalen Rundfunkbranche führend in Technologie und audiovisueller Produktion, und zwar sowohl in der ...
article thumbnailDie Tatsache, dass er eine Faser im Feld in weniger als einer Minute reparieren kann, gewinnt viele Freunde, besonders in audiovisuellen Notfällen.
article thumbnailDie an das Netzwerk angeschlossenen Geräte können als Ressourcenpool dienen, um diese Ressourcen effizient gemeinsam zu nutzen, z. B. ...
article thumbnailDiese erste Ausgabe soll verstehen, wie das Netflix-Geschäftsmodell und andere Plattformen zur Verteilung von Inhalten funktionieren ...
article thumbnailIn der Legislaturperiode des kolumbianischen Kongresses, die im März beginnt, werden die beiden Debatten, die für die Genehmigung des Projekts von ...
article thumbnailFür das Streaming ist ein weiterer Vorteil, dass Sie mit vMix bis zu drei gleichzeitige Broadcasts an verschiedene Server senden können, um diese in einen ...
article thumbnailMit einer Analyse der Bequemlichkeit des Wechsels des Bandes auf die Disc in den Werken der Ausgabe und Produktion von professionellem Fernsehen sowie einer ...
article thumbnailStreamen Sie professionell, wenn Sie nur ein Werkzeug in der Cloud haben. Von: Erick Vilaró