社交媒体指标的协作分类系统,用于本地化灾害响应
Priscila Carvalho1, Zainab Akhtar2, Manta Nowbuth3
1Energy Institute, Bartlett School of Environment, Energy and Resources, University College London, London, United Kingdom.
灾难管理的人工智能 (AI) 需要特定于环境的社交媒体数据. 这项研究在加纳和毛里求斯开发了量身定制的分类学,揭示了对有效的人工智能系统至关重要的区域差异.
科学领域:
- 灾害管理 灾害管理
- 人工智能 (AI) 是一种人工智能.
- 社交媒体分析 社交媒体分析
- 人与计算机的交互
背景情况:
- 有效的灾害管理依赖于及时,明智的决策,社交媒体作为关键的实时信息来源.
- 目前用于应对灾害的AI系统利用了通用分类学,忽视了灾害类型,应对能力和当地优先事项的区域差异.
- 在人工智能驱动的灾害管理中,这种一刀切的方法是不够的,因为不同的地理和文化背景.
研究的目的:
- 通过吸引当地利益相关者,为灾害管理开发特定环境的社交媒体指标分类法.
- 挑战人工智能灾难响应系统中普遍相关性的假设.
- 为适应性,上下文意识的机器学习分类器创建一个框架.
主要方法:
- 与加纳和毛里求斯的104个利益相关者进行参与参与.
- 开发一个分类法,包括39个社交媒体指标,分为四个类别:紧急需求,影响评估,情境意识和弱势群体.
- 对灾害信息优先级的区域差异进行比较分析.
主要成果:
- 发现灾难信息优先级的区域差异很大,与现有的普遍框架相矛盾.
- 影响评估指标显示加纳和毛里求斯之间的趋同.
- 其他类别强调了将当地利益相关者的知识纳入AI系统设计的必要性.
结论:
- 对社交媒体数据分析采用特定环境的方法对于有效的AI驱动灾害管理至关重要.
- 参与式方法提供了一个可复制的框架,用于开发适应性,上下文意识的人工智能系统.
- 未来的研究应该侧重于转移学习,积极学习,反机制和公平的人在循环注释过程.
更多相关视频
08:16Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring
Published on: October 24, 2025
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Responses to Drought and Flooding
Principles of Disease Surveillance
Steps in Outbreak Investigation
Ecological Disturbance
Levels of Use of a GIS
