[论文解读] Uneven Coverage of Natural Disasters in Wikipedia: the Case of Flood

Valerio Lorini, Javier Rando+2 more|arXiv (Cornell University)|Jan 23, 2020

Wikis in Education and Collaboration参考文献 20被引用 6

一句话总结

本研究利用经过验证的全球洪水数据库和自动化文本匹配技术，分析了英文维基百科在洪水灾害报道中的覆盖不均问题。研究发现，报道显著偏向高收入、英语为母语的国家，尤其是美国和加拿大，而对低收入及南美国家的洪水事件则严重低估，凸显了依赖维基百科数据的灾害响应系统存在的关键局限性。

ABSTRACT

The usage of non-authoritative data for disaster management presents the opportunity of accessing timely information that might not be available through other means, as well as the challenge of dealing with several layers of biases. Wikipedia, a collaboratively-produced encyclopedia, includes in-depth information about many natural and human-made disasters, and its editors are particularly good at adding information in real-time as a crisis unfolds. In this study, we focus on the English version of Wikipedia, that is by far the most comprehensive version of this encyclopedia. Wikipedia tends to have good coverage of disasters, particularly those having a large number of fatalities. However, we also show that a tendency to cover events in wealthy countries and not cover events in poorer ones permeates Wikipedia as a source for disaster-related information. By performing careful automatic content analysis at a large scale, we show how the coverage of floods in Wikipedia is skewed towards rich, English-speaking countries, in particular the US and Canada. We also note how coverage of floods in countries with the lowest income, as well as countries in South America, is substantially lower than the coverage of floods in middle-income countries. These results have implications for systems using Wikipedia or similar collaborative media platforms as an information source for detecting emergencies or for gathering valuable information for disaster response.

研究动机与目标

• 评估英文维基百科在洪水灾害报道中覆盖偏倚的程度与性质。
• 基于经济状况、地理位置和语言，识别维基百科在各国洪水报道中的系统性差异。
• 评估维基百科作为灾害风险降低和危机响应应用数据源的可靠性。
• 提供一个经过验证的全球洪水事件参考数据集，以支持未来对协作平台媒体偏见的研究。

提出的方法

• 通过整合来自多个独立来源的数据（包括水文学专家和联合国机构）构建了全面的、基于真实事件的洪水事件数据集。
• 采用自动化文本匹配技术，通过时间与地理实体对齐，将经验证的洪水事件与相应的维基百科文章关联。
• 使用基于机器学习的地理定位与时间匹配技术，识别提及特定洪水事件的维基百科条目。
• 采用多源验证方法，确保不同数据提供方之间事件匹配的准确性与一致性。
• 进行统计分析，将维基百科的报道情况与国家层面指标（如GDP、人均收入、收入水平和英语母语人口）进行关联。
• 开源了合并后的洪水数据集、匹配的维基百科条目及代码，以确保可复现性。

实验结果

研究问题

• RQ1 维基百科在洪水灾害报道中，对高收入和英语国家的覆盖程度在多大程度上存在倾斜？
• RQ2 在不同经济发展水平和地理区域的国家之间，维基百科对洪水事件的报道情况有何差异？
• RQ3 死亡人数与洪水事件在维基百科中被报道的可能性之间存在何种关系？
• RQ4 语言及与英语的亲缘关系如何影响洪水事件在维基百科中被记录的可能性？
• RQ5 与全球洪水数据相比，低收入和脆弱国家的洪水事件在维基百科中被低估的程度如何？

主要发现

• 与全球发生频率相比，高收入国家（尤其是美国和加拿大）的洪水事件在维基百科中被显著高估。
• 低收入国家以及南美洲国家的洪水事件在维基百科中的报道程度明显低于中等收入国家。
• 尽管伤亡人数众多，如苏丹（2018年）的重大洪水事件，即使被多个权威来源报道，也未在维基百科中记录。
• 洪水事件在维基百科中被报道的可能性与国家的GDP及英语母语人口数量密切相关。
• 维基百科的报道存在明显偏向于‘精英’国家的倾向，与历史新闻价值模式一致，而欠发达国家和非英语国家的事件则几乎未获关注。
• 本研究识别出维基百科灾害报道中存在一个关键缺口，严重削弱了其作为全球性、公平的危机响应与灾害风险降低信息来源的实用性。