SmartEMIS: Lokale løsninger basert på globale erfaringerciem.uia.no/files/Torbjorn-Meum-SmartEMIS-Lokale-losninger-basert... · PhaseVis 1 : What , When , Where , and Who in Visualizing

SmartEMIS: Lokale løsninger basert på globale erfaringer

Torbjørg Træland Meum Forsker Institutt for Informasjonssystemer Centre for Integrated Emergency Management http://ciem.uia.no

Agenda

•  Muligheter og utfordringer ved bruk av sosiale medier i krisehåndtering

•  Internasjonale og nasjonale erfaringer

•  Forskningsaktiviteter

•  Lokale tilpasninger basert på trender i det internasjonale miljøet

•  Design og utvikling av en felles plattform for lokal krisehåndtering

•  Spørsmål & diskusjon: Tilbakemelding, tips og råd fra deltagerne

CIEM Workshop 27.11.2013 © Torbjørg T. Meum, Universitetet i Agder 2

Hvordan kan sosiale medier hjelpe?

Kommunikasjon i sann tid mellom innbyggerne •  Varsle venner, familie •  Varsle myndighetene •  Gi råd, hjelp, støtte

Kommunikasjon i sann tid fra myndighetene •  Varsle befolkningen •  Kontakte innbyggere/involverte •  Gi råd, hjelp, støtte

”Lytte til” sosiale medier for å følge situasjonen og få en felles forståelse av utviklingen


Eksempel – Jordskjelvet i Haiti

«The 2010 Haiti earthquake response will be remembered as the moment when the level of access to mobile online communication enabled a kind of collective intelligence to emerge – when thousands of citizens around the world collaborated in volunteer and technical communities to help make sense of a large scale calamity and give voice to an affected population»

(Harvard Humanitarian Initiative, 2011)


Frivillig digital innsats


Internasjonalt samarbeid



Forskning på bruk av sosiale medier

•  Digital kommunikasjon har gitt en ny dimensjon til samhandling i krisesituasjoner (Crowe, 2011)

•  Studier av sosial adferd ved bruk av sosiale medier (Palen et al., 2007; Starbird, 2013; Perng et al., 2013)

•  Rapporter fra ”grasrota” •  Kollektiv intelligens •  Improvisasjon •  Distribuert problemløsning •  Spontan mobilisering •  Agil respons

•  Case studier av krisesituasjoner; Virginia Tec (Palen et al, 2007), Jordskjelvet på Haiti (Starbird & Palen, 2011; Dugdale et al., 2012), Jordskjelvet som rammet Japan (Sakaki

et al., 2011), Red River flommen (Verma et al., 2011), Egyptiske revolusjonen (Onook et

al., 2012), Terrorangrepet den 22. juli (Perng et al., 2013)


Forskning på bruk av sosiale medier

•  Systemer for analyse av sosiale medier •  Twicident (Abel et al., 2012)

•  Analytisk infrastruktur for kriseinformatikk (Andersson & Schrum, 2011)

•  Micromappers, Twitter plattform for kriserespons, Qatar Computing Research Institute (Imran et al., 2013)

•  SensePlace2 (MacEachren et al., 2011)

•  PhaseVis (multi-view tweet visualization interface) (Yang et al., 2013)

•  CrisisTracker (Rogstadius et al., 2013)


Utfordringer

•  Massivt volum av data •  Haiti, ca. 3,3 M Twitter meldinger •  Terrorangrepet 22 juli, ca. 250 000 Twitter meldinger

•  Støy •  Ustrukturerte data •  Tap av kontekst •  Misvisende informasjon •  Feilinformasjon •  Utfordrer tradisjonell krisehåndtering


Grenseflaten mellom formell og uformell informasjon

Leysia Palen, 2013


Hvordan kan nyttig informasjon fra sosiale medier bli filtrert, validert og gjort tilgjengelig for lokal krisehåndtering?


Overvåkning og analyse av Twitter data

•  Menneske-maskin interaksjon •  Bruke eksiterende egenskaper ved Twitter plattformen •  Hvem

•  Hva

•  Hvor

•  Link

•  Når


Informasjonsflyt


Strukturering og klassifisering av Tweets

•  Tweak the Tweet syntax (Starbird & Stramberger, 2010)

•  Tar utgangspunkt i egenskaper til Twitter plattformen og bruker-generert tilpasning

•  Oppfordrer brukerne til å kategorisere og standardisere innholdet i meldingene •  Bruker mekanismer som # symbolet foran meldingsinnhold, f.eks:

•  #Haiti •  #damage •  #shelter •  #loc

•  Retweet


Maskinlæring - prinsipper

•  NLP og sentimentanalyse (Verma et al., 2011)

•  Modell for automatisert klassifisering av Tweets basert på tidligere hendelser

•  Vurdering/klassifisering av meningsinnhold (positiv, negativ, nøytral) som har betydning for situasjonsforståelse

•  Concept mining ved bruk av Bayesian Networks, pågående aktivitet


Representasjon og presentasjon av Twitterdata


Representasjon og presentasjon av Twitterdata


Design av en felles plattform for analyse av sosiale medier


Spørsmål & diskusjon

•  Tilbakemelding, tips og råd fra de av dere som har erfaring fra tilsvarende arbeid

•  Motiverende og hemmende faktorer for å ta i bruk sosiale medier?

•  Hva er forutsetningene for å få praktisk nytte av denne type løsninger? ü  Organisatoriske, teknologiske og/eller sosiale faktorer

•  Forslag til videre prosess for etablering av digitale ressursgrupper for krisehåndtering?

ü  Nasjonalt og regionalt nivå ü  Hvordan organisere slike grupper ü  Organisatoriske, faglige og/eller sosiale forutsetninger?


Referanser •  Abel, F., Hauff, C., Houben, G., Tao, K., & Stronkman, R. (2012). Semantics + Filtering + Search =

Twitcident Exploring Information in Social Web Streams Categories and Subject Descriptors. In HT’12 (pp. 285–294). Milwaukee, Wisconsin, USA: ACM New York, NY, USA.

•  Anderson, K. M., & Schram, A. (2011). Design and implementation of a data analytics infrastructure in support of crisis informatics research (NIER track). In Proceedings - International Conference on Software Engineering (pp. 844–847). ACM.

•  Crowe, A. (2011). The social media manifesto: a comprehensive review of the impact of social media on emergency management. Journal of business continuity & emergency planning, 5(1), 409–20.

•  Dugdale, J., Van de Walle, B., & Koeppinghoff, C. (2012). Social media and SMS in the haiti earthquake. Proceedings of the 21st international conference companion on World Wide Web - WWW ’12 Companion,

•  Imran, M., Castillo, C., Meier, P., & Diaz, F. (2013). Extracting Information Nuggets from Disaster- Related Messages in Social Media. In T. Comes, F. Fiedrich, S. Forttier, J. Geldermann, & T. Muller (Eds.), Proceedings of the 10th International ISCRAM Conference, Baden-Baden, Germany (pp. 791–801).

•  MacEachren, A. M., Jaiswal, A., Robinson, A. C., Pezanowski, S., Savelyev, A., Mitra, P., … Blanford, J. (2011). SensePlace2: GeoTwitter analytics support for situational awareness. In 2011 IEEE Conference on Visual Analytics Science and Technology (VAST) (pp. 181–190).

•  Oh, O., Manish, A., & Rao, H. (2011). Community Intelligence through Social Media Services in Extreme Events : A Rumor Theoretic Analysis of Tweets during the Mumbai 2008 Terrorist Attack. MIS Quarterly, 37(2), 407 – 426.

•  Palen, L., Hiltz, S. R., & Liu, S. B. (2007). Online forums supporting grassroots participation 54. Communications of ACM, 50(3).

•  Palen, L., Vieweg, S., Sutton, J., Liu, S. B., & Hughes, A. L. (2007). Crisis informatics: Studying crisis in a networked world. In A. Arbor (Ed.), in proceedings of the Third International Conference on E-Social Science,. Michigan, USA. 21

•  Perng, S.-Y., Büscher, M., Wood, L., Halvorsrud, R., Stiso, M., Ramirez, L., & Al-Akkad, A. (2013). Peripheral Response. International Journal of Information Systems for Crisis Response and Management, 5(1), 41–57.

•  Rogstadius, J., Vukovic, M., Teixeira, C. A., Karapanos, E., & Laredo, J. A. (2013). CrisisTracker : Crowdsourced social media curation for disaster awareness. IBM Journal of Research and Development, 57(5), 1–13.

•  Sakaki, T., Toriumi, F., & Matsuo, Y. (2011). Tweet trend analysis in an emergency situation. In Proceedings of the Special Workshop on Internet and Disasters, SWID’11.

•  Starbird, K. (2013). Delivering patients to sacré coeur: collective intelligence in digital volunteer communities. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, CHI 2013 (pp. 801–810).

•  Starbird, K., & Palen, L. (2011). “Voluntweeters”: Self-Organizing by Digital Volunteers in Times of Crisis. In Proceedings of CHI 2011.

•  Starbird, K., & Stamberger, J. (2010). Tweak the Tweet : Leveraging Microblogging Proliferation with a Prescriptive Syntax to Support Citizen Reporting. In Proceedings of the 7th international ISCRAM conference (Vol. 1, pp. 1–5).

•  UN Foundation & Vodafone Foundation Technology Partnership. (2011). Harvard Humanitarian Initative. Disaster relief 2.0: The Future of Information Sharing in Humanitarian Emergencies.

•  Verma, S., Vieweg, S., Corvey, W. J., Palen, L., Martin, J. H., Palmer, M., … Anderson, K. M. (2011). Natural Language Processing to the Rescue ?: Extracting “ Situational Awareness ” Tweets During Mass Emergency. In Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media (pp. 385 – 392).

•  Yang, S., Chung, H., Lin, X., Lee, S., Chen, L., Wood, A., … Fox, E. A. (2013). PhaseVis 1 : What , When , Where , and Who in Visualizing the Four Phases of Emergency Management Through the Lens of Social Media. In T. et al. Comes (Ed.), Proceedings of the 10th International ISCRAM Conference (pp. 912–917). Baden- Baden: Karsruhe Institute of Technology.

•  22

SmartEMIS: Lokale løsninger basert på globale erfaringerciem.uia.no/files/Torbjorn-Meum-SmartEMIS-Lokale-losninger-basert... · PhaseVis 1 : What , When , Where , and Who in Visualizing

Documents