Science >> Wetenschap >  >> Natuur

Studie maakt gebruik van sociale media en machinaal leren om milieuonrechtvaardigheden in de stadsparken van Philadelphia aan te tonen

Titel:Sociale media en machinaal leren inzetten om milieuonrechtvaardigheden in de stadsparken van Philadelphia aan het licht te brengen

Abstract:

Milieuonrechtvaardigheid, een belangrijke sociale en ecologische kwestie, verwijst naar de onevenredige verdeling van de gevaren en voordelen voor het milieu over verschillende bevolkingsgroepen. Deze studie heeft tot doel milieu-onrechtvaardigheden in de stadsparken van Philadelphia te onderzoeken en onder de aandacht te brengen door gebruik te maken van sociale mediagegevens en machine learning-technieken.

Dit onderzoek draagt ​​bij aan de groeiende hoeveelheid kennis over ecologische rechtvaardigheid in de context van stadsplanning en parkgelijkheid door gebruik te maken van gegevens uit sociale media als nieuwe gegevensbron. Deze aanpak maakt de analyse mogelijk van het publieke sentiment en de zorgen over de milieukwaliteit en toegankelijkheid van stadsparken in Philadelphia.

Belangrijkste bevindingen:

De studie identificeerde aanzienlijke verschillen in parkkwaliteit en toegankelijkheid in verschillende buurten in Philadelphia.

Gebieden met een lagere sociaal-economische status en een grotere minderheidsbevolking hadden vaak minder en kleinere parken, beperkte voorzieningen en slechter onderhoud.

Uit de analyse van sociale mediagegevens bleek dat bewoners in achterstandswijken vaak hun ontevredenheid uitten over de kwaliteit en toegankelijkheid van nabijgelegen parken.

Machine learning-algoritmen hebben met succes berichten op sociale media gecategoriseerd in verschillende thema's die verband houden met parkvoorzieningen, netheid, veiligheid en toegankelijkheid, waardoor waardevolle inzichten worden verkregen in specifieke problemen waarmee verschillende gemeenschappen worden geconfronteerd.

Deze bevindingen benadrukken de noodzaak van een gericht stadsplanningsbeleid dat prioriteit geeft aan gelijke toegang tot kwaliteitsvolle stadsparken voor alle bewoners, ongeacht hun sociaal-economische status of buurt.

Conclusie:

Deze studie toont het potentieel aan van het gebruik van sociale mediagegevens en machinaal leren om milieuonrechtvaardigheden in stadsparken te identificeren. Door deze innovatieve benaderingen te combineren met traditionele onderzoeksmethoden kunnen we ons begrip van de complexe sociale en omgevingsfactoren die bijdragen aan ongelijke toegang tot groene ruimten verbeteren en de ontwikkeling van een rechtvaardiger en duurzamer stadsplanningsbeleid informeren.