[論文レビュー] Social Media Data Analysis and Feedback for Advanced Disaster Risk Management

Markus Enenkel, Sofía Martínez Sáenz+4 more|arXiv (Cornell University)|Feb 7, 2018

Public Relations and Crisis Communication参考文献 11被引用数 15

ひとこと要約

本論文は、ソーシャルメディアデータ提供者と災害管理機関の間のフィードバックループを提案し、リアルタイムの早期警戒システムおよび対応作業の向上を図る。ハリーベイおよびアイルマハリケーンの地理的位置特定済みでフィルタリングされたツイートを用いて、ソーシャルメディアデータがどのように迅速な被害評価を可能にし、サイクロン被害予測および気候モデルの社会的・経済的妥当性の検証に役立つかを示している。

ABSTRACT

Social media are more than just a one-way communication channel. Data can be collected, analyzed and contextualized to support disaster risk management. However, disaster management agencies typically use such added-value information to support only their own decisions. A feedback loop between contextualized information and data suppliers would result in various advantages. First, it could facilitate the near real-time communication of early warnings derived from social media, linked to other sources of information. Second, it could support the staff of aid organizations during response operations. Based on the example of Hurricanes Harvey and Irma we show how filtered, geolocated Tweets can be used for rapid damage assessment. We claim that the next generation of big data analyses will have to generate actionable information resulting from the application of advanced analytical techniques. These applications could include the provision of social media-based training data for algorithms designed to forecast actual cyclone impacts or new socio-economic validation metrics for seasonal climate forecasts.

研究の動機と目的

• ソーシャルメディアデータ供給者と災害管理機関の間で、状況認識の向上を図るフィードバックメカニズムを開発すること。
• 機関がソーシャルメディアデータを活用している一方で、その洞察をデータ供給者にフィードバックしないという、双方向の情報フローのギャップを埋めること。
• 地理的位置特定済みのソーシャルメディアデータを用いた近似リアルタイムの災害被害評価の実現可能性を実証すること。
• サイクロン被害予測のための学習データとして、および季節予報の妥当性評価指標として、ソーシャルメディアデータの利用を検討すること。

提案手法

• ハリエイブおよびアイルマの被害地域における災害発生時におけるソーシャルメディア投稿（特にツイート）をフィルタリングおよび地理的位置特定すること。
• 自然言語処理および空間分析を適用し、ユーザー生成コンテンツから被害関連の情報を抽出および文脈化すること。
• 従来のデータソースとソーシャルメディアから得たインサイトを統合し、早期警戒システムの妥当性を検証および強化すること。
• データ供給者および支援組織に実行可能なインサイトをフィードバックするためのフレームワークを設計すること。
• 処理済みデータを用いて、サイクロン被害予測モデルの学習データを生成すること。
• ソーシャルメディアのトレンドに基づいて、季節予報の社会的・経済的妥当性評価指標を提案すること。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてソーシャルメディアデータを効果的にフィルタリングおよび地理的位置特定し、リアルタイムの災害被害評価を支援できるか？
• RQ2 ソーシャルメディアデータ供給者と災害管理機関の間でフィードバックループを構築することによって得られる利点は何か？
• RQ3 ソーシャルメディアデータは、サイクロン被害予測のための信頼できる学習データとして機能できるか？
• RQ4 ソーシャルメディアから得られる情報は、災害発生時における早期警報システムの精度をどのように向上させられるか？
• RQ5 ソーシャルメディアのトレンドは、季節予報の妥当性を検証する有効な社会的・経済的指標として機能できるか？

主な発見

• ハリエイブおよびアイルマの地理的位置特定済みでフィルタリングされたツイートは、迅速な被害評価のためのタイムリーで実行可能なインサイトを提供した。
• データ供給者と機関の間のフィードバックループは、状況認識の向上と対応調整の改善をもたらした。
• ソーシャルメディアデータは、サイクロン被害予測アルゴリズムの学習データとしての可能性を示した。
• 従来のデータソースとソーシャルメディアインサイトの統合により、早期警戒システムの信頼性が向上した。
• ソーシャルメディアのトレンドは、季節予報の妥当性検証に新たな、実証的根拠に基づく指標を提供した。
• 本研究は、ソーシャルメディアデータが災害対応作業における近似リアルタイム意思決定を支援できることを確認した。