Locatiegebaseerde sociale netwerken, zoals Twitter, kan kritische inzichten en informatie verschaffen voor rampenbestrijding, volgens nieuw onderzoek door wetenschappers van de Universiteit van Alberta.

Een machine learning-algoritme gebruiken om tweets op inhoud te classificeren, regio en gevoel, onderzoekers onderzochten tweets die in 2017 in Florida waren verzonden tijdens orkaan Irma, toen meer dan zes miljoen mensen werden geëvacueerd.

"We hebben aangetoond dat locatie-informatie die is ingebed in tweets nuttig kan zijn om meer inzicht te krijgen in beleidsrelevante inhoud, " zei Darcy Reynaert, een U of A Ph.D. kandidaat en hoofdauteur van het onderzoek.

"De informatie kan worden gebruikt om beleid te ontwikkelen, zowel tijdens als na rampen. Het proces heeft de kans om de responsnauwkeurigheid te vergroten en te helpen bij het nemen van efficiënte beslissingen over de toewijzing van middelen tijdens en na een ramp."

Twitter geeft realtime data over de ervaringen van direct getroffenen door een ramp.

Uit het onderzoek bleek dat langere tweets eerder nuttige, op sentiment gebaseerde, of emotioneel, inhoud. Meer populaire tweets bevatten minder vaak nuttige informatie over de ramp, en negatieve gevoelens kwamen vaker voor in wijken met jonge gezinnen.

"Onderzoek met behulp van locatiegebaseerde sociale netwerken, zoals Twitter, heeft een extra voordeel ten opzichte van andere social media platforms aangezien tweets een geospatiale component kunnen bevatten, "zei Reynard. "Hierdoor kunnen we de locatie van een gebruiker identificeren op het moment dat de tweet werd gemaakt, zodat onderzoekers niet alleen kunnen analyseren welke onderwerpen worden besproken, maar maar ook waar ze worden besproken."

De studie, "De kracht van machine learning benutten:kunnen Twitter-gegevens nuttig zijn bij het nemen van beslissingen over de toewijzing van middelen tijdens een natuurramp?" werd gepubliceerd in Transportonderzoek Deel D:Transport en milieu .