نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

به طور فزاینده ای، داده های رسانه های اجتماعی از طریق مختصات GPS تعبیه شده به مکان ها مرتبط می شوند. بسیاری از دولت های محلی به پتانسیل استفاده مجدد از این داده های جغرافیایی دست اول برای سنجش پویایی مکانی و زمانی افکار عمومی به روش هایی که مکمل اطلاعات جمع آوری شده از طریق روش های مشارکت عمومی سنتی است، علاقه نشان می دهند. استفاده از این داده‌های جغرافیایی بدون چالش نیست زیرا معمولاً ساختاری ندارند، کیفیت متفاوتی دارند و اغلب به تلاش قابل توجهی برای استخراج اطلاعات مرتبط با نیازهای دولت‌های محلی از حجم داده‌های بزرگ نیاز دارند. درک ارتباط محلی مستلزم توسعه هر دو روش پردازش داده و استفاده از آنها در مطالعات تجربی است. این مقاله از طریق یک مطالعه موردی به این نیاز اخیر می‌پردازد که نشان می‌دهد چگونه داده‌های توئیتر با ارجاع مکانی می‌تواند نگرانی‌های حمل‌ونقل و برنامه‌ریزی شهروندان را روشن کند. یک ابزار مبتنی بر وب که روش‌های پردازش متن را ادغام می‌کند برای مدل‌سازی داده‌های توییتر جمع‌آوری‌شده برای منطقه واترلو (انتاریو، کانادا) بین مارس 2014 تا ژوئیه 2015 و ارزیابی نگرانی‌های شهروندان مربوط به برنامه‌ریزی و ساخت یک حمل‌ونقل ریلی جدید استفاده می‌شود. خط این مطالعه نشان می‌دهد که رسانه‌های جغرافیایی اجتماعی می‌توانند به شناسایی جغرافیای ادراکات عمومی در مورد امکانات و خدمات عمومی کمک کنند و پتانسیل تکمیل سایر روش‌های سنجش احساسات عمومی را داشته باشند. یک ابزار مبتنی بر وب که روش‌های پردازش متن را ادغام می‌کند برای مدل‌سازی داده‌های توییتر جمع‌آوری‌شده برای منطقه واترلو (انتاریو، کانادا) بین مارس 2014 تا ژوئیه 2015 و ارزیابی نگرانی‌های شهروندان مربوط به برنامه‌ریزی و ساخت یک حمل‌ونقل ریلی جدید استفاده می‌شود. خط این مطالعه نشان می‌دهد که رسانه‌های جغرافیایی اجتماعی می‌توانند به شناسایی جغرافیای ادراکات عمومی در مورد امکانات و خدمات عمومی کمک کنند و پتانسیل تکمیل سایر روش‌های سنجش احساسات عمومی را داشته باشند. یک ابزار مبتنی بر وب که روش‌های پردازش متن را ادغام می‌کند برای مدل‌سازی داده‌های توییتر جمع‌آوری‌شده برای منطقه واترلو (انتاریو، کانادا) بین مارس 2014 تا ژوئیه 2015 و ارزیابی نگرانی‌های شهروندان مربوط به برنامه‌ریزی و ساخت یک حمل‌ونقل ریلی جدید استفاده می‌شود. خط این مطالعه نشان می‌دهد که رسانه‌های جغرافیایی اجتماعی می‌توانند به شناسایی جغرافیای ادراکات عمومی در مورد امکانات و خدمات عمومی کمک کنند و پتانسیل تکمیل سایر روش‌های سنجش احساسات عمومی را داشته باشند.
کلید واژه ها: 

رسانه های جغرافیایی اجتماعی ؛ مدل سازی موضوع ; تحلیل متن ; احساسات عمومی ؛ محتوای ایجاد شده توسط کاربر

 

1. معرفی

مشارکت دادن شهروندان و سایر ذینفعان به عنوان یک گام اساسی در تصمیم گیری دولت در نظر گرفته می شود [ 1 ]. در حالی که ورودی های عمومی به طور سنتی از طریق تکنیک های حضوری مانند جلسات عمومی، کارگاه ها و مصاحبه ها جمع آوری شده است، فناوری به کمک رایانه برای تکمیل روش های سنتی استفاده شده است [ 2 ، 3 ]. پیشرفت‌های اخیر در وب 2.0 و فن‌آوری‌های تلفن همراه توجه سازمان‌های عمومی و جوامع تحقیقاتی را به دنبال روش‌های آسان‌تر و کم‌هزینه‌تر برای مشارکت شهروندان جلب کرده است [ 4 ]. دولت های محلی به طور فزاینده ای از پلتفرم های رسانه های اجتماعی به عنوان کانال های ارتباطی اضافی برای انتشار اخبار و تعامل با شهروندان استفاده می کنند [ 5]]. علاوه بر این، رسانه های اجتماعی اغلب حاوی اطلاعاتی در مورد نظرات و ادراکات عمومی هستند که با نظرات عمومی جمع آوری شده از طریق رویکردهای سنتی مشارکت عمومی قابل مقایسه است [ 6 ]. ممکن است به طور بالقوه به شکل راحت‌تری از مشارکت عمومی تبدیل شود، زیرا مردم می‌توانند در هر زمان از هر مکان اطلاعاتی را به اشتراک بگذارند [ 7 ، 8 ]. رسانه‌های اجتماعی دارای برچسب جغرافیایی، که به عنوان رسانه‌های جغرافیایی [ 9 ، 10 ] نیز نامیده می‌شوند، حاوی نظرات توصیفی و اطلاعات مکان هستند و بنابراین ممکن است به درک نیازهای عمومی و مکان‌هایی که راه‌حل‌ها باید توسعه داده شوند، کمک می‌کند [ 11 ، 12 ]]. با این حال، برخلاف نظرسنجی ها یا مصاحبه های شهروندان، داده های رسانه های اجتماعی خروجی ارتباط کاربران هستند. از این رو، این داده‌ها ساختاری ندارند، با کیفیت متفاوت هستند و اغلب با نیاز دولت‌های محلی ارتباط ناشناخته دارند [ 13 ]. پیچیدگی‌های بیشتر از این واقعیت ناشی می‌شوند که تنها بخش کوچکی از رسانه‌های اجتماعی با مختصات جغرافیایی صریح برچسب‌گذاری شده‌اند و این داده‌ها به طور گسترده در بازنمایی جغرافیایی خود در داخل و در مناطق شهری متفاوت هستند [14 ] . بنابراین، اثربخشی آنها برای حمایت از مشارکت عمومی نیاز به بررسی انتقادی از طریق مطالعات تجربی دارد [ 6 ].
هدف این مقاله بررسی تجربی قابلیت استفاده از رسانه های جغرافیایی اجتماعی برای دولت های محلی از طریق مطالعه موردی انجام شده در منطقه واترلو (انتاریو، کانادا) است. ما محتوای متنی رسانه‌های جغرافیایی اجتماعی را برای شناسایی موضوعاتی که معمولاً بیان می‌شوند مدل‌سازی کردیم و الگوهای فضایی این نگرانی‌ها و علایق شناسایی‌شده را بررسی کردیم. ما معتقدیم که بینش‌های استخراج‌شده از مطالعه موردی، ارزشی در ارتقای درک ما از فرصت‌ها و چالش‌های بالقوه استفاده از رسانه‌های جغرافیایی اجتماعی برای مشارکت شهروندان دارد. برای تسهیل مطالعه تجربی، یک جعبه ابزار فیلترینگ و تجزیه و تحلیل متن مبتنی بر وب (TFA) که چندین روش تجزیه و تحلیل متن را در یک بسته با کاربری آسان ادغام می‌کند، توسعه داده شد تا چالش‌های فنی فیلتر کردن اطلاعات نامربوط از رسانه‌های جغرافیایی اجتماعی و تجزیه و تحلیل محتوای متن را کاهش دهد. [15 ].
بخش بعدی با مروری بر مطالعات جاری مرتبط با استفاده از رسانه‌های جغرافیایی اجتماعی برای مشارکت عمومی و افکار کاوی در دولت‌های محلی آغاز می‌شود. سپس روش‌های موجود در یک جعبه ابزار طراحی‌شده برای برداشت و تجزیه و تحلیل پیام‌های متنی از رسانه‌های جغرافیایی اجتماعی ( بخش 3 )، و به دنبال آن یک مطالعه موردی ( بخش 4 ) را معرفی می‌کنیم . ما مقاله را با پیشنهادهایی برای فرصت های تحقیقاتی آینده به پایان می رسانیم ( بخش 5 ).

2. بررسی ادبیات

2.1. استفاده از رسانه های جغرافیایی اجتماعی در دولت های محلی

مشارکت عمومی به عنوان مهم شناخته می شود زیرا می تواند به شفافیت و پاسخگویی در دولت کمک کند و شهروندان را در فرآیندهای تصمیم گیری توانمند کند [ 1 ، 16 ، 17 ]. با این حال، مشارکت عمومی نیز به عنوان یک فرآیند پیچیده و بحث برانگیز شناخته شده است [ 18 ، 19 ، 20 ]. به طور خاص، نگرانی ها بر روی موضوعاتی از جمله گروه های به حاشیه رانده شده، اثربخشی رویکردهای مشارکت، و میزان توانمندی شهروندان در فرآیند مشارکت متمرکز شده است [ 21 ، 22 ، 23 ، 24] .]. معرفی سیستم‌های مبتنی بر رایانه مانند GIS مشارکت عمومی (PPGIS) برای رسیدگی به برخی از این چالش‌ها با ارائه پلتفرم‌های یکپارچه برای اطلاع‌رسانی، ایجاد و به اشتراک گذاشتن دانش فضایی در نظر گرفته شد [ 25 ، 26 ]. تلاش‌های قابل‌توجهی برای توسعه تکنیک‌های نقشه‌برداری و تجسم صورت گرفته است که جمع‌آوری و زمینه‌سازی دانش فضایی، شناسایی راه‌های افزایش همکاری‌ها بین ذینفعان، و درگیر شدن با جمعیت‌های به حاشیه رانده شده با استفاده از ابزارهای دیجیتال و اینترنتی را تسهیل می‌کند [27 ، 28 ] . با این حال، در برخی موارد، این سیستم‌ها به دلیل اتکای بیش از حد به مهارت‌های فنی و هزینه بالا برای توسعه و نگهداری مورد انتقاد قرار می‌گیرند [ 29 ].
رسانه‌های اجتماعی در سال‌های اخیر به طور فزاینده‌ای توسط دولت‌های محلی مورد استفاده قرار گرفته‌اند، زیرا آنها یک روش ارتباطی آسان و ارزان را ارائه می‌کنند و شبکه‌های اجتماعی را گسترش می‌دهند که از طریق آن دولت‌ها می‌توانند به طور بالقوه به تعداد زیادی از شهروندان دسترسی پیدا کنند [5 ، 30 ، 31 ] . اگرچه برخی از دولت ها از رسانه های اجتماعی در درجه اول برای انتشار اخبار و اطلاعات استفاده می کنند، اما روند تعامل دولت ها با شهروندان از طریق رسانه های اجتماعی وجود دارد [ 32 ]. به گفته یوهانسن و همکاران. [ 33]، دولت های محلی رسانه های اجتماعی را از نظر روش های ارتباطی ترجیحی پس از ایمیل و وب سایت ها رتبه بندی کردند. مجموعه رو به رشدی از ادبیات بیشتر بررسی کرده است که چگونه احساسات بیان شده در رسانه های اجتماعی می تواند به بهبود ارتباطات بین دولت های محلی و شهروندان کمک کند [ 34 ، 35 ، 36 ، 37 ]. Zavattaro [ 38 ]، برای مثال، پیشنهاد کرد که احساسات رسانه های اجتماعی یک شاخص موثر از تعامل موفق بین دولت های محلی و شهروندان است. شوایتزر [ 39 ]، به طور مشابه، استراتژی‌هایی را برای آژانس‌های حمل‌ونقل شناسایی کرد تا ارتباط خود را با مردم از طریق تجزیه و تحلیل توییت‌های مربوط به برنامه‌ریزی حمل‌ونقل افزایش دهند.
رسانه های اجتماعی علاوه بر کارکردهای ارتباطی خود به عنوان بسترهایی برای ثبت تجربیات زنده کاربران خود نیز در نظر گرفته می شوند [ 40 ]. به این معنا که روشی که افراد مکان و رویدادها را برچسب گذاری می کنند، حضور در مکان ها و اظهار نظر می کنند، ردپای دیجیتالی از فعالیت های فیزیکی آنها باقی می گذارد و نظرات و احساسات شخصی آنها را منعکس می کند [41 ، 42 ] . بنابراین، خط دیگری از مطالعات بر استخراج داده های رسانه های جغرافیایی اجتماعی متمرکز شده است که به طور خود به خود توسط کاربران ارائه می شود. چندین روش تحلیل و تجسم فضایی برای استخراج ادراک عمومی نسبت به محیط محلی و مسائل برنامه ریزی از رسانه های اجتماعی ایجاد شده است. دانکل [ 12برای مثال، یک ابزار تجسم برای کمک به برنامه ریزان برای کشف محیط درک شده از داده های فلیکر جغرافیایی ایجاد کرد. فیک و رابرتسون [ 43 ] یک رویکرد چند مقیاسی برای شناسایی مشترکات در نحوه تعریف و تعیین حدود مکان‌های شهری در برچسب‌های عکس دارای برچسب جغرافیایی پیشنهاد کردند. مطالعات تجربی موفقیت‌آمیز استفاده از داده‌های رسانه‌های جغرافیایی اجتماعی برای سنجش درک عمومی از واکنش به بلایا، شناسایی رویدادها و بررسی فعالیت‌های انسانی نیز مستند شده است [ 44 ، 45 ، 46 ]. علاوه بر تمرکز اصلی الگوهای فضایی استخراج، دیگران نیاز به ترکیب بیشتر محتوای کیفی رسانه های اجتماعی را پیشنهاد کردند [ 13 ]. افضلان و مولر [ 47]، برای مثال، دریافت که گفتگوهای آموزنده در گروه های آنلاین در مورد مسائل برنامه ریزی زیرساخت سبز محلی ایجاد می شود. گال تزور و همکاران [ 11 ]، به طور مشابه، پیشنهاد کرد که اطلاعات مفید در مورد سیاست حمل و نقل را می توان از رسانه های اجتماعی جمع آوری کرد. ترکیبی از تحلیل کیفی و مکانی-زمانی ممکن است، همانطور که توسط Campagna [ 13 ] پیشنهاد شده است، بینش بیشتری در مورد جغرافیای نیازهای عمومی ارائه دهد.

2.2. چالش های استفاده از رسانه های جغرافیایی اجتماعی

ترکیب تجزیه و تحلیل کیفی محتوای رسانه های جغرافیایی، چالش های متعددی را ارائه می دهد. همانطور که افضلان و ایوانز-کاولی [ 48 ] استدلال کردند ، حجم نسبتاً بزرگ داده های رسانه های اجتماعی ممکن است زمان و هزینه های انسانی تجزیه و تحلیل داده ها را افزایش دهد و در نتیجه منبع داده جدید را کم ارزش کند [ 48 ]. در نتیجه، تعدادی از محققان استفاده از روش‌های رایانه‌ای را برای جمع‌آوری و تحلیل اطلاعات مربوط به تصمیم‌گیری دولت محلی از رسانه‌های اجتماعی مورد بررسی قرار داده‌اند [ 13 ، 39 ]. گال تزور و همکاران [ 11برای مثال، پیشنهاد کرد که روش‌های تحلیل متن می‌توانند کارایی برداشت اطلاعات مربوط به برنامه‌ریزی حمل‌ونقل را از متن رسانه‌های اجتماعی بهبود بخشند. Campagna [ 13 ]، به طور مشابه، توابع تجزیه و تحلیل متن پایه را یکپارچه کرد، مانند تولید ابرهای برچسب با تجزیه و تحلیل مکانی-زمانی برای کشف استفاده از رسانه های اجتماعی مبتنی بر مکان برای برنامه ریزی فضایی.
علی‌رغم این تلاش‌ها، چندین چالش مرتبط با برداشت و تحلیل رسانه‌های اجتماعی خاص محلی باقی مانده است [ 7 ]. اول، روش‌های بازیابی اطلاعات مبتنی بر هستی‌شناسی (IR)، که از مفاهیم و روابط متناظر آن‌ها برای تعریف اصطلاحات خاص دامنه و شناسایی محتوای متن مرتبط استفاده می‌کنند، اغلب برای تعیین ارتباط یک پیام متنی با موضوع مورد استفاده قرار می‌گیرند [49 ] . با این حال، آنها کاملاً برای شناسایی پیام‌های رسانه‌های جغرافیایی مرتبط محلی مناسب نیستند، زیرا: (1) هستی‌شناسی‌های جهانی کمی برای دولت محلی یا حتی زمینه‌های تعریف‌شده‌تری مانند برنامه‌ریزی وجود دارد [50 ]]، و (2) بسیاری از موضوعات مکان خاص هستند و بر محتوای مرتبط با یک طرح توسعه یا جامعه خاص متمرکز هستند. اگرچه توسعه یک هستی شناسی بر اساس دانش محلی امکان پذیر است، اما چنین هستی شناسی به یک زمینه محلی خاص محدود خواهد شد. سایر روش‌های متداول IR مانند رویکردهای یادگیری ماشینی نیز به دلیل عمومی نبودن آنها به دلیل نیاز به مجموعه داده‌های آموزشی بزرگ و با کیفیت خوب مورد انتقاد قرار گرفته‌اند [ 51 ]. دوم، پیام‌های رسانه‌های اجتماعی فردی باید جمع‌آوری شوند تا نیازها یا نگرانی‌های اصلی را بتوان شناسایی کرد و بیشتر برای تصمیم‌گیری استفاده کرد [ 15 ]. علیرغم استفاده روزافزون از روش‌های محاسباتی، مانند روش‌های مدل‌سازی موضوع، برای تفسیر خودکار داده‌های متنی [ 52 ، 53، 54 ]، کار دستی هنوز اغلب برای درک و طبقه بندی ورودی عمومی استفاده می شود [ 39 ، 47 ]. علاوه بر این، تکیه بر دانش محاسباتی برای استفاده از این روش‌های تحلیلی می‌تواند مانعی برای پذیرش دولت از رسانه‌های اجتماعی باشد زیرا ممکن است هزینه‌های مالی و انسانی را افزایش دهد [ 55 ].
علاوه بر این، نگرانی هایی در مورد اینکه آیا داده های رسانه های جغرافیایی اجتماعی می توانند نیازهای دولت های محلی را برآورده کنند، وجود دارد. از آنجایی که رسانه‌های اجتماعی در هسته اصلی شبکه‌ها و پلتفرم‌های ارتباطی هستند، کاربران آن‌ها عمدتاً اطلاعاتی را بدون آگاهی از اینکه ممکن است برای مقاصد دیگر مورد استفاده قرار گیرند، به اشتراک می‌گذارند [ 56 ]. اگرچه این ممکن است منجر به ضبط های کمتر محافظت شده از احساسات کاربر [ 12 ] شود، بسیاری از داده ها ممکن است به نیازهای دولت محلی بی ربط باشند. بنابراین مطالعات تجربی بیشتری در مورد ماهیت و ارزش اطلاعاتی که می توان از رسانه های اجتماعی جمع آوری کرد، مورد نیاز است [ 11 ]. علاوه بر این، نمایندگی جغرافیایی رسانه های جغرافیایی اجتماعی هم در بین شهرهای مختلف و هم در داخل شهرها بسیار متفاوت است [ 14]]. چندین مطالعه ناهمواری جغرافیایی اطلاعات جغرافیایی داوطلبانه را گزارش کرده اند، به این صورت که برخی از مناطق ممکن است با مقادیر زیادی از داده ها نشان داده شوند، در حالی که مناطق دیگر بسیار اندک [ 57 ، 58 ، 59 ]. پروفایل های جمعیتی متفاوت در مناطق جغرافیایی نیز ممکن است به ناهمواری جغرافیایی محتوای تولید شده توسط کاربر کمک کند. همانطور که کاوالو و همکاران اشاره کردند. [ 60 ]، گروه‌های جمعیتی خاصی ممکن است از استفاده از فناوری‌های دیجیتال جدید منصرف شوند. اگرچه این ناهمواری نباید ارزش اطلاعات جغرافیایی تولید شده توسط کاربر را کاهش دهد، استفاده از این داده ها نیاز به بررسی انتقادی از طریق تحلیل زمینه خاص دارد [ 60 ].
در این راستا، پذیرش رسانه‌های جغرافیایی اجتماعی توسط دولت محلی نیازمند راه‌حل‌هایی برای کاهش چالش‌های فنی استفاده از داده‌ها و همچنین شناخت بیشتر ارتباط محلی و محدودیت‌های بالقوه داده‌ها از طریق بررسی‌های انتقادی است.

3. روش شناسی

بر اساس بخش‌های قبلی، سه مولفه برای کارکنان دولت محلی برای برداشت و تجزیه و تحلیل اطلاعات مربوطه از رسانه‌های اجتماعی ضروری است ( شکل 1 ). یک جعبه ابزار مبتنی بر وب برای: (1) برداشت داده های رسانه های جغرافیایی اجتماعی از منابع آنلاین ایجاد شد. (2) پیام های رسانه های جغرافیایی اجتماعی مبتنی بر متن را شناسایی کنید که به مسائل برنامه ریزی فضایی محلی مربوط می شود. و (3) محتوای متن را به صورت نیمه خودکار خلاصه می کند و موضوعات اصلی را که از ورودی های عمومی ظاهر می شود، بررسی می کند. این مضامین از طریق یک طراحی بصری تعاملی برای کمک به مقامات محلی برای درک داده ها ارائه می شوند.

3.1. جمع آوری داده ها

ما توییتر را به عنوان یک سرویس رسانه اجتماعی نمونه انتخاب کردیم زیرا یکی از محبوب‌ترین سرویس‌های میکروبلاگینگ برای کاربران برای ارسال پیام‌های متنی، اشتراک‌گذاری تصاویر، برچسب‌گذاری مکان‌ها و تعامل با دیگران است. توییتر پایگاه کاربری بزرگی دارد—از هر ده بزرگسال آمریکایی، یک نفر از توییتر خبر دریافت می کند [ 39 ]، و در حالی که جامعه کاربری آن به سمت افراد مرفه و تحصیلکرده گرایش دارد، بنا بر گزارش ها متنوع تر از آنچه در دیگر پلتفرم های رسانه های اجتماعی یافت می شود [ 61 ] . داده‌های توییتر با استفاده از رابط‌های برنامه‌نویسی کاربردی توییتر (API) و یک کتابخانه پایتون Tweepy ( http://www.tweepy.org/ ) جمع‌آوری شدند.). فقط داده‌هایی که حاوی مختصات جغرافیایی معتبر هستند برای یک منطقه مورد مطالعه محلی جمع‌آوری شدند و پس از تجزیه زمان، مکانی و اطلاعات کاربر در پایگاه داده PostgreSQL ذخیره شدند. برای سایر منابع محتوای تولید شده توسط کاربر مانند مقالات آنلاین و نامه های شهروندی، از اسکریپت های پایتون ساخته شده با کتابخانه scrapy ( http://scrapy.org/ ) برای استخراج اطلاعات به طور مستقیم از صفحات وب استفاده شد. این اسناد متنی نیز با اطلاعات جانبی مانند منبع و زمان در پایگاه داده ذخیره می شدند.

3.2. استخراج پیام های متنی مرتبط با رسانه های جغرافیایی اجتماعی

یک رویکرد دو مرحله ای برای شناسایی پیام های رسانه های اجتماعی که به موضوعات محلی مربوط می شوند استفاده می شود ( شکل 2 ). همانطور که در بخش 2 مورد بحث قرار گرفت ، یک چالش مرتبط با استخراج پیام های متنی مرتبط با زمینه برنامه ریزی محلی، نیاز به منابع محلی خاص است (مانند هستی شناسی، مجموعه داده های آموزشی، و غیره ). یک رویکرد عمومی‌تر در اینجا برای ساختن واژگان محلی از اخبار محلی، گزارش‌های شهرداری، و مقالات بر اساس متریک tf-idf به طور گسترده استفاده می‌شود . سپس این واژگان به عنوان ورودی برای ارزیابی ارتباط پیام‌های متنی بر اساس رویکرد مدل‌سازی زبان که برای شناسایی پیام‌های متنی کوتاه مرتبط از رسانه‌های اجتماعی مؤثر است، استفاده می‌شود [62 ] .

3.2.1. ساخت واژگان محلی

واژگان محلی متشکل از اصطلاحات خاص حوزه و زمینه بر اساس پست های خبری، اسناد دولتی و مقالاتی که به موضوع یا موضوع مورد علاقه یک دولت محلی مربوط می شود (مانند حمل و نقل عمومی، زیرساخت، ساخت و ساز و غیره) ساخته می شود . . به طور خاص، اندازه گیری tf – idf برای شناسایی مهم ترین کلمات از مقالات جمع آوری شده استفاده می شود. این روش هم وجود یک کلمه در یک سند و هم منحصر به فرد بودن یک کلمه را با توجه به تعداد اسنادی که در آن وجود دارد در نظر می گیرد، به طوری که می تواند تأثیر کلمات رایج را کاهش دهد، کلماتی که معمولاً بیشتر از سایرین در یک سند وجود دارند. زبان [ 63 ]. برای هر کلمه در مجموعه، یک tf – idfمقدار با استفاده از رابطه (1) محاسبه می شود:

t f– من df=c o u n t ( w , d)s i ze ( د)× l o g(nدo c s ( w , D ))تی�–مند�=ج�تو�تی(�،د)سمن�ه(د)×ل��(�د�جس(�،�))

جایی که فرکانس عبارت ( tf ) ابتدا با استفاده از تعداد دفعاتی که کلمه w در یک سند d (شمارش (w,d)) و تعداد کل کلماتی که سند d شامل (اندازه(d)) رخ می دهد محاسبه می شود . سپس این مقدار tf در مقدار معکوس فرکانس سند ( idf ) ضرب می‌شود که کسری معکوس از تعداد کل اسناد n و تعداد اسنادی است که حاوی کلمه w (docs(w,D)) است تا tf بدست آید. − مقدار idf برای کلمه w . هر چه نمره tf − idf بیشتر باشد، کلمه w مهمتر استاست.

سپس فهرستی از کلمات مهم با امتیاز tf – idf بالا برای ایجاد یک فرهنگ لغت محلی سفارشی شده بر اساس این فرض که کلمات مهم شناسایی شده از اسناد مربوط به برنامه ریزی به احتمال زیاد به موضوعات برنامه ریزی مرتبط هستند استفاده می شود [11 ] . علاوه بر کلمات کلیدی مشتق شده از اسناد محلی (به عنوان مثال، “پارکینگ”)، انواع معنایی آنها (به عنوان مثال، “پارکینگ”، “پارک شده”، “پارکینگ گاراژ”) می تواند در واژگان گنجانده شود تا دقت IR را بهبود بخشد. 64 ]. بنابراین، متخصصان دولتی می توانند از دانش تخصصی خود برای تکمیل یا تغییر واژگان محلی خود تولید شده استفاده کنند.

3.2.2. محاسبه ارتباط موضوع

سپس ارتباط پیام های رسانه های جغرافیایی اجتماعی را بر اساس مدل زبان ارزیابی می کنیم. طبق گفته ژای و لافرتی [ 65 ]، ارتباط یک پیام کوتاه t با عبارت پرس و جو k را می توان با استفاده از تخمین درستنمایی بیز محاسبه کرد (معادله (2)):

آر( t | k )=سی( k , t ) + u P( k |θL)l e n ( t ) + uآر(تی|ک)=سی(ک،تی)+توپ(ک|��)له�(تی)+تو
در معادله پیام متنی به عنوان توزیع احتمال بر روی کلماتی که در آن قرار دارد در نظر گرفته می شود. سپس حداکثر احتمال یک پیام t مربوط به عبارت پرس و جو k بر اساس تعداد دفعات پرس و جو محاسبه می شود. ککدر پیام رخ می دهد سی( k , t )سی(ک،تی)، احتمال عبارت پرس و جو k در کل پیکره P رخ می دهد ( k |θL)(ک|��)، طول لن پیام ( تی )(تی)همراه با پارامتر هموارسازی u .
برای ارزیابی ارتباط یک پیام متنی با یک موضوع، ما هر موضوع را به عنوان مجموعه ای از اصطلاحات پرس و جو در نظر می گیریم که با کلمه کلیدی و انواع معنایی آن مطابق با مرحله قبل است. بنابراین، یک موضوع T را می توان به صورت: T = < نشان دادک1،ک2،ک3, … ,کnک1،ک2،ک3،…،ک�>، که در آن n تعداد کل کلمات کلیدی شناسایی شده برای موضوع T است . سپس ارتباط یک پیام متنی با یک موضوع را می توان با استفاده از رابطه (3) ارزیابی کرد:

آر( t | T)=∑i = 0nدبلیو(کمن| تی) سی(کمن, t ) +uP(کمن|θL)l e n ( t ) + uآر(تی|تی)=∑من=0�دبلیو(کمن|تی)سی(کمن،تی)+توپ(کمن|��)له�(تی)+تو
در اینجا، ارتباط یک پیام با یک موضوع به عنوان مجموع ارتباط پیام با هر کلمه در فرهنگ لغت موضوع در نظر گرفته می شود. هر کلمه با استفاده از امتیاز tf – idf خود وزن می شود تا تأثیر کلمات کمتر مهم یا رایج در فرهنگ لغت کاهش یابد. با استفاده از این روش، هر پیام یک امتیاز مرتبط را دریافت می‌کند که نشان‌دهنده ارتباط آن با موضوع T است ، با امتیاز بالاتر احتمال مرتبط بودن بالاتر را نشان می‌دهد.
سپس آستانه ای برای متمایز کردن پیام های مرتبط از پیام های نامربوط با بررسی نمونه ای از پیام ها و امتیازات آنها تعیین می شود. همانطور که در جدول 1 نشان داده شده است، اگرچه همه پیام های متنی انتخاب شده به عبارات پارکینگ اشاره دارند، اما چهار پیامک اول با امتیازهای بالاتر به طور بالقوه مورد توجه برنامه ریزان هستند، در حالی که دو مورد آخر بیشتر به احساسات شخصی مربوط می شوند. نمونه بزرگتری از توییت‌های توییتر را می‌توان با استفاده از روش مشابه برای تعیین آستانه مناسب برای شناسایی پیام‌های متنی مربوط به پارکینگ بررسی کرد. اگرچه تا حدودی ذهنی است، بررسی نمونه نسبتاً کوچکی از داده‌ها به کارکنان دولت محلی اجازه می‌دهد تا جزئیات بیشتری درباره داده‌ها مشاهده کنند و دانش تخصصی را به روش طبقه‌بندی بیاورند.

3.3. درک ورودی عمومی با استفاده از مدل‌سازی موضوع سلسله مراتبی

با شناسایی پیام‌های رسانه‌های جغرافیایی اجتماعی مرتبط، یک رویکرد مدل‌سازی موضوع برای شناسایی موضوعات فرعی پنهان در مجموعه‌های پیام استفاده می‌شود. مدل سازی موضوع مجموعه ای از روش های متن کاوی برای شناسایی الگوهای معنایی در مجموعه اسناد زبان طبیعی است [ 66 ]. تخصیص دیریکله پنهان (LDA) به دلیل ماهیت ساده و در عین حال قدرتمند آن انتخاب شد [ 52 ، 66 ، 67 ]. هر موضوع با فهرستی از کلمات کلیدی همراه است که بر اساس آن می توان معانی موضوعات را تفسیر کرد.
در چارچوب این کار، پیام‌های رسانه‌های جغرافیایی اجتماعی مرتبط با موضوع T به عنوان یک مجموعه در نظر گرفته می‌شوند که روش LDA آن‌ها را به مجموعه‌ای از زیر مجموعه‌ها تقسیم می‌کند. فرض کنید موضوع T «دوچرخه‌سواری» است، روش فوق به ما امکان می‌دهد تا شناسایی کنیم (مثلاً مسیرهای دوچرخه‌سواری، مسیر استفاده مشترک و نگرانی‌های ایمنی) افراد «دوچرخه‌سواری» در مورد چه جنبه‌هایی صحبت می‌کنند. همین رویه را می توان برای این موضوعات فرعی تکرار کرد تا جزئیات بیشتری از متن آشکار شود. از اسکریپت نویسی پایتون برای خودکارسازی این رویه بازگشتی به دنبال منطقی که در شکل 3 نشان داده شده است استفاده می شود.. مدل‌های موضوعی ابتدا برای کل مجموعه تولید می‌شوند. سپس کلمات موجود در مجموعه بر اساس رابطه آنها با موضوعات به مجموعه ای از مجموعه های جدید اختصاص داده می شود. این روش برای هر پیکره جدید تکرار می شود تا زمانی که تعداد پیام هایی که بدنه در بر دارد کمتر از حداقل آستانه باشد. در نتیجه، متون به عنوان یک سلسله مراتب موضوعی که از مسیرهای موضوعی مختلفی تشکیل شده است، مدل‌سازی می‌شوند که نشان می‌دهد چگونه یک موضوع به چندین موضوع فرعی تجزیه می‌شود.

3.4. طراحی و پیاده سازی ابزار مبتنی بر وب

جعبه ابزار TFA مبتنی بر جنگو برای ارائه یک رابط گرافیکی با استفاده آسان که IR و روش مدل‌سازی موضوع را ادغام می‌کند، توسعه داده شد. جنگو یک چارچوب رایگان و متن باز برای توسعه وب است [ 69 ]. شکل 4معماری سیستم برنامه را نشان می دهد. در باطن، یک پایگاه داده PostgreSQL برای ذخیره پیام های متنی تجزیه شده و همچنین اطلاعات مکانی و زمانی استفاده می شود. در سمت سرور، مجموعه‌ای از مدل‌ها که داده‌های متنی را پردازش و تجزیه و تحلیل می‌کنند با استفاده از اسکریپت‌های پایتون ساخته شده از کتابخانه پایتون NLTK، پردازش زبان طبیعی منبع باز (NLP) توسعه یافته‌اند. GeoDjango خواندن و ذخیره سازی داده های مکانی از جمله مکان پیام های رسانه های اجتماعی را انجام می دهد. در سمت مرورگر، تجسم‌های نقشه با استفاده از Leaflet تولید می‌شوند و نتایج مدل‌سازی موضوع با کتابخانه محبوب تجسم D3 مبتنی بر جاوا اسکریپت تجسم می‌شوند (به گالری D3، https://github.com/mbostock/d3/wiki/Gallery مراجعه کنید ).
شکل 5 چندین اسکرین شات از جعبه ابزار را نشان می دهد. کاربران می توانند مراحل موجود در پانل سمت چپ رابط اصلی را برای برداشت و تجزیه و تحلیل ورودی متن دنبال کنند ( شکل 5 a). واژگان محلی سفارشی شده را می توان با انتخاب اسناد مرتبط با موضوع یا با مشخص کردن منابع آنلاین برای حذف مقالات از ( شکل 5 ب) ایجاد کرد. سپس می‌توان اصلاحاتی را در فهرست کلمات کلیدی تولید شده خودکار برای شناسایی پیام‌های متنی مرتبط ایجاد کرد ( شکل 5 ج). خوشه‌هایی از توییت‌های مرتبط با استفاده از کتابخانه نشانگر Leaflet ( https://github.com/Leaflet/Leaflet.markercluster ) روی نقشه نشان داده می‌شوند . سپس نتایج مدلسازی موضوع همانطور که در بخش 4 نشان داده شده است نمایش داده می شود .

4. مطالعه موردی

برای نشان دادن ارزش احتمالی مدل‌سازی موضوع و نقشه‌برداری داده‌های رسانه‌های جغرافیایی اجتماعی، جعبه ابزاری که در بالا توضیح داده شد در شهرهای واترلو و کیچنر در منطقه واترلو، کانادا استفاده شد (شکل 6 ) . منطقه واترلو همواره به‌عنوان یکی از سریع‌ترین جوامع در حال رشد در کانادا رتبه‌بندی شده است و پیش‌بینی می‌شود تا سال ۲۰۳۱ جمعیت آن از سطح کنونی ۵۶۸۵۰۰ به ۷۲۹۰۰۰ افزایش یابد [70] .]. مشاوره با ذینفعان یک کارکرد مهم برای دولت های محلی با گسترش توسعه است و خواهد بود. ساخت و ساز در حال انجام یک حمل و نقل ریلی سبک جدید (LRT) که در آگوست 2014 آغاز شد، بحث عمومی را در مورد موضوعاتی مانند تراکم، تشدید شهری و اختلالات در محله های موجود ترویج کرده است. در طول آماده‌سازی پروژه، دولت‌های منطقه و شهر جلسات عمومی برای جمع‌آوری افکار عمومی نسبت به طرح ترانزیت در مراحل مختلف پروژه برگزار کردند. بحث در مورد این پروژه همچنان ادامه دارد که تأثیرات ساخت LRT و تشدید اشکال شهری برای ساکنان محلی آشکارتر می شود.

4.1. داده ها

داده‌های توییتر با مختصات جغرافیایی معتبر در زمان واقعی از مارس 2014 تا ژوئیه 2015، دوره زمانی که منطقه شروع به ساخت مرحله اول LRT بر اساس یک مرز ثابت برای شهرهای واترلو کیچنر کرد، به‌دست آمد. توجه به این نکته مهم است که اگرچه تنها یک درصد از توییت ها را می توان با استفاده از API پخش عمومی به دست آورد، مقدار مطلق نمونه هنوز نسبتاً زیاد است [ 71 ]. در تجزیه و تحلیل زیر، ما بر موضوعات مرتبط با حمل و نقل تمرکز می کنیم، زیرا پروژه LRT در حال انجام، موضوع حمل و نقل در منطقه و اهمیت کلی حمل و نقل در بسیاری از مناطق دیگر را افزایش داده است [72 ] .
یک فرهنگ لغت موضوعی مبتنی بر مجموعه کلمات کلیدی محدودکننده عمدی (LRT، قطار سبک، اتوبوس، حمل‌ونقل عمومی، GRT) با حذف اخبار و مقالات تفسیری از رسانه‌های محلی (روزنامه رکورد، http://www.therecord.com) ایجاد شد . /waterlooregion/ ). بیش از 200000 توییت توییتر با مختصات جغرافیایی معتبر در طول دوره 16 ماهه جمع آوری شد. در مجموع، ۲۷۷۷ و ۲۱۱۲ توییت به ترتیب مربوط به موضوعات «حمل و نقل عمومی» و «پیاده‌روی» بودند. این جلد شبیه به آنچه در دو آلبوکرک و دیگران یافت شد. [ 46 ]، که در آن بیش از 99 درصد توییت‌های توییتر «خارج از موضوع» بودند.
برای آزمایش صحت نتایج، ما به صورت دستی یک نمونه تصادفی (حجم نمونه = 120) برای هر موضوع طبقه بندی کردیم و نتایج را با نمونه های رمزگذاری شده کامپیوتری مقایسه کردیم. ما به ترتیب 82.5% و 67.5% دقت را برای حمل و نقل عمومی و پیاده روی پیدا کردیم. جالب اینجاست که برخی از پیام‌های مربوط به نمایش تلویزیونی “مردگان متحرک” به اشتباه به عنوان مرتبط با راه رفتن طبقه‌بندی شدند، زیرا اصطلاح “راه رفتن” بیشترین وزن را در فرهنگ لغت دارد. برای بهبود این نتیجه، وزن کلمه “راه رفتن” و آستانه ارتباط موضوع را بر این اساس تنظیم کردیم. آزمایش یک نمونه تصادفی دیگر نشان داد که دقت نتایج طبقه‌بندی به 80.83 درصد افزایش یافته است که برای IR پیام‌های متنی کوتاه منطقی است [ 62] .]. ما بیشتر توزیع‌های فضایی این پیام‌ها را بررسی کردیم تا بینش‌هایی را در زمینه موقعیت مکانی آنها ترسیم کنیم ( شکل 7 و شکل 8 ). نقشه‌های نشان‌داده‌شده در اینجا در ArcGIS برای اضافه کردن عناصر نقشه مانند افسانه‌ها، مقیاس‌ها و نمودارهای با کیفیت بهتر بازتولید شدند. علاوه بر نقشه‌برداری مکان‌های جداگانه پیام‌ها، دایره‌های خوشه‌بندی نیز با اندازه نشان‌دهنده تعداد توییت‌ها در آن منطقه ترسیم می‌شوند. همانطور که انتظار می‌رفت، اکثر توییت‌ها در نزدیکی دو دانشگاه (دانشگاه واترلو و دانشگاه ویلفرد لویر) و هسته‌های واترلو و کیچنر ارسال شدند، زیرا این مناطق شلوغ‌ترین مناطقی هستند که اکثر دانشجویان و مشاغل در آن قرار دارند.
برای بررسی بیشتر محتوای این پیام‌ها، از روش مدل‌سازی موضوع برای یافتن موضوعات اصلی مورد علاقه کاربران توییتر استفاده شد. لیست کلمات کلیدی که در ابتدا توسط LDA تولید شد در جدول 2 نشان داده شده است . در حالی که ارتباط برخی از موضوعات مشهود است، سایر عبارات نشان داده شده به صورت مورب کمتر مفید بودند و از سلسله مراتب موضوع حذف شدند ( جدول 2 ).

4.2. درک درک عمومی از رسانه های جغرافیایی اجتماعی

شکل 9 نمودار انفجار خورشید را نشان می‌دهد که بر اساس نتایج مدل‌سازی موضوعی پیام‌های مربوط به حمل‌ونقل عمومی ایجاد شده است. پنج موضوع، از جمله قطار، خدمات اتوبوس، واترلو بالا شهر، ترمینال چارلز (کوتاه شده از ترمینال اتوبوس خیابان چارلز)، و LRT، در بالای سلسله مراتب یافت می شوند (دومین حلقه داخلی در شکل 9 ) . از میان این پنج موضوع، سه موضوع با حالت‌های حمل‌ونقل عمومی (قطار، اتوبوس، و LRT) مرتبط هستند، دو موضوع دیگر به دو مرکز حمل‌ونقل (بالای شهر واترلو، ترمینال چارلز) مربوط می‌شوند.
در حالی که این موضوعات عموماً نمای کلی سطح بالایی از پیام های حمل و نقل عمومی را ارائه می دهند، جزئیات بیشتری در سطوح بعدی سلسله مراتب آشکار می شود. به عنوان مثال، مبحث “خدمات اتوبوس” که در سمت چپ پایین شکل 9 قرار دارد ، به موضوعات “تاخیر اتوبوس” و “رانندگان اتوبوس” تقسیم شده است. با توجه به اینکه چند مطالعه نشان داده اند که نظرات رسانه های اجتماعی بیشتر منفی هستند تا مثبت [ 39] و اینکه «تاخیر اتوبوس» خود یک بیان مثبت نیست، منطقی است که حدس بزنیم که «تاخیر اتوبوس» جنبه‌ای است که مردم بیشترین شکایت را از آن دارند. در موارد دیگر، موضوعات ممکن است چندین بار در سلسله مراتب اتفاق بیفتند اما زمینه های متفاوتی را نشان دهند. به عنوان مثال، “زمستان” در زیر “ترمینال چارلز” و “واترلو بالای شهر” ظاهر می شود و به زیرساخت مربوط می شود. در نزدیکی ترمینال چارلز، مردم به نگرانی‌های خود در مورد پیاده‌روها در منطقه اطراف اشاره کردند، عمدتاً به دلیل ساخت‌وساز در حال انجام (به عنوان مثال، «@CityKitchener می‌توانید لطفاً آجرهای پیاده‌رو ملکه در King to Charles را تعمیر کنید . ). در بالای شهر واترلو، “زمستان” بیشتر برای ثبت شکایت در مورد کمبود سرپناه در برخی از ایستگاه های اتوبوس استفاده می شد (مثلاً،ما به یک سرپناه در ایستگاه اتوبوس شماره 1908 نیاز داریم . این نوع اطلاعات نمونه‌ای از مواردی است که از طریق برنامه‌های 311 باز مختلف گزارش می‌شود که به شهروندان اجازه می‌دهد تا نگرانی‌های خود را در مورد زیرساخت‌های شهر و خدمات عمومی گزارش کنند [ 73 ].
نتایج تجزیه و تحلیل متن همچنین می تواند با موقعیت های جغرافیایی ترکیب شود تا بررسی شود که در کجا نگرانی ها یا علایق بیان می شود. شکل 10مکان‌های اصلی را نشان می‌دهد که توییت‌های مرتبط با موضوع «خدمات اتوبوس» در آن پست می‌شوند. خوشه‌های فضایی با استفاده از نسبت توئیت‌های مربوط به سرویس اتوبوس به تعداد کل توییت‌های حمل‌ونقل عمومی در همان مکان به منظور کاهش اثر تعداد مختلف توییت‌ها در مکان‌های مختلف نقشه‌برداری شدند. جای تعجب نیست که پیام های زیر این دسته بیشتر در اطراف منطقه دانشگاه و همچنین خیابان کینگ، کریدور ترانزیت مرکزی در منطقه متمرکز شده اند. چندین منطقه مسکونی با مسکن اجاره ای متمرکز در واترلو شمالی و کیچنر جنوبی نیز قابل توجه به نظر می رسد که نشان دهنده استفاده زیاد از خدمات اتوبوس است. بینش‌های کلی را می‌توان از روی نقشه در مورد جایی که نگرانی‌ها و نیازهای مشترک وجود دارد استخراج کرد. به عنوان مثال، پیام‌هایی درباره رانندگان اتوبوس به طور مداوم در اطراف مرکز شهر کیچنر دیده می‌شود.
مکان‌های دیگر ممکن است با استفاده از داده‌های جمع‌آوری‌شده برای کل شانزده ماه مهم به نظر نرسند، اما در بازه‌های زمانی خاص قابل مشاهده‌تر می‌شوند. به عنوان مثال، شکل 11 نشان می دهد که چگونه بسته شدن جاده ها و تغییرات در مسیرهای اتوبوس در ژوئن 2015 در توییت های مربوط به سرویس اتوبوس قبل و بعد از ژوئن 2015 منعکس می شود. این تغییرات در این زمان برای اجازه ساخت ایستگاه LRT جدید در نزدیکی این دو مورد نیاز بود. خوشه های توییت نزدیک به تقاطع پارک ساید/نورثفیلد. در حالی که این یک مثال خاص است، نشانه هایی از چگونگی کمک رسانه های جغرافیایی اجتماعی به شناسایی پویایی افکار عمومی ارائه می دهد. دولت‌های محلی می‌توانند به طور بالقوه از این داده‌ها برای بررسی اثرات برنامه‌ریزی و پروژه‌های توسعه بر مردم محلی به‌موقع‌تر استفاده کنند.
با این حال، نظرات عمومی که از طریق رسانه های جغرافیایی اجتماعی بیان می شود، بیشتر به احساسات و ادراک عمومی نسبت به محیط نزدیک آنها مربوط می شود. به عنوان مثال، اگرچه روند رو به رشد توییت های مرتبط با LRT وجود دارد (از میانگین 8٪ از تمام پیام های مرتبط با حمل و نقل عمومی در سال 2014 به میانگین 12٪ در سال 2015) به دلیل ساخت و ساز مداوم، بحث LRT عمدتاً تجربه کاربران را از وضعیت ترافیک فعلی منعکس می کند (به عنوان مثال، ” در یک اتوبوس سریع السیر پر از شلوغی – منادی خوبی برای سواری برای خط آهن سبک ION! یادآوری دیگری از اینکه چقدر هیجان زده هستم. “). این نیز نشان دهنده تفاوت بین رسانه های جغرافیایی اجتماعی و روش های مشارکت سنتی است که در بخش بعدی بیشتر مورد بررسی قرار خواهد گرفت.

4.3. مقایسه اشکال مختلف ورودی شهروندی

علاوه بر رسانه‌های جغرافیایی اجتماعی، بسیاری از روش‌های سنتی مشارکت عمومی، مانند رویدادهای خانه باز، کارگاه‌های آموزشی، نامه‌های شهروندان و نظرسنجی‌ها نیز متن و اغلب ورودی‌های جغرافیایی ارجاع‌شده از شهروندان را جمع‌آوری می‌کنند. این ورودی را می توان به همان شیوه ای که برای پیام های رسانه های جغرافیایی انجام شد، تحلیل کرد. The Record به طور منظم نامه ها و نظرات شهروندان را منتشر می کند که به نگرانی های عمومی مربوط می شود. درمجموع، 478 نامه شهروندی مرتبط با حمل و نقل در همان دوره زمانی که داده های توییتر جمع آوری شد، به دست آمد. این حروف به روش مشابهی که در شکل 3 نشان داده شده است پردازش شدند . شکل 12 نمای کلی از موضوعاتی را نشان می دهد که از محتوای نامه های شهروندان پدید آمده اند.
بررسی اولیه دسته‌های موضوعی تفاوت‌های مشخصی را بین پیام‌های رسانه‌های جغرافیایی اجتماعی و نامه‌های شهروندان نشان می‌دهد. برخی از موضوعات، مانند دوربرگردان، چراغ‌های راهنمایی و مسافران معلول، در پیام‌های رسانه‌های اجتماعی رخ نمی‌دهند، در حالی که پیام‌های رسانه‌های اجتماعی دارای موضوعات منحصربه‌فرد دیگری هستند که عمدتاً مبتنی بر مکان هستند (مثلاً، Fairview Park Mall، Ainslie Terminal، و Beertown. رستوران) و رویداد محور. اگرچه هم نامه های شهروندی و هم پیام های توییتر مکان های خاصی را ذکر می کنند، اما مکان های ذکر شده در نامه های شهروندی بیشتر به مناطق عمومی مانند مناطق مدرسه، دانشگاه و غیره اشاره دارد ، در حالی که نام مکان های خاص تری در پیام های توییتر ذکر شده است. این تمایز کلی در مقابل خاص با آنچه دیگران در مقایسه با پیاده روی و مصاحبه های بی تحرک یافتند قابل مقایسه است.74 ]. مانند مصاحبه‌های پیاده‌روی، پیام‌های توییتر می‌توانند پویایی منظر شهری را بهتر نشان دهند، زیرا مردم اغلب هنگام حرکت در شهر پیام ارسال می‌کنند. نامه‌های شهروندی، مشابه مصاحبه‌های بی‌تحرک، به‌عنوان شیوه‌ای سازنده‌تر برای روایت‌ها و انکوباتور بحث‌های انتقادی و عمیق‌تر در مورد موضوعاتی مانند ایمنی، طراحی شهری و سیاست عمل می‌کنند. یکی دیگر از ویژگی های منحصر به فرد توییتر یا به طور کلی رسانه های اجتماعی، توانایی آن در ثبت رویدادها و فعالیت ها است. در سلسله مراتب موضوعی که از پیام‌های توییتر ایجاد می‌شود، به نظر می‌رسد فعالیت‌های ارسال عکس با واترلو و قطارها مرتبط است. بسیاری از پیام‌های این دسته مربوط به چالش «IONUptown» است که توسط دفتر بهبود کسب‌وکار Uptown Waterloo (BIA) راه‌اندازی شده است.http://uptownwaterloobia.com/ionuptown-challenge/# ). بسیاری از مردم که از احتمال برنده شدن یک جایزه تشویق شده بودند، با ارسال عکس هایی در توییتر در مورد کار، بازی یا فعالیت های خرید خود در اطراف منطقه Uptown با استفاده از هشتگ #ionuptown ، مایل بودند در چالش شرکت کنند و شانس برنده شدن یک جایزه را داشتند. روش‌های نشان‌داده‌شده توسط دانکل [ 12 ] برای بررسی محتوای عکس علاوه بر برچسب‌های متنی، فراتر از محدوده این مطالعه است، اما می‌تواند در تحلیل‌های آینده برای کسب اطلاعات بیشتر درباره ادراکات و ترجیحات مکان شهروندان استفاده شود.
علاوه بر این، حتی موضوعاتی که در هر دو مجموعه داده رخ می‌دهند، ممکن است کانون‌های کاملاً متفاوتی داشته باشند. در حالی که کاربران رسانه های اجتماعی بیشتر در مورد تاخیر اتوبوس و رانندگان اتوبوس در مورد سرویس اتوبوس صحبت می کردند، نامه های شهروندان طیف کاملاً متفاوتی از مسائل مربوط به دانش آموزان، پیاده روی و هزینه ها را نشان می دهد. این تفاوت‌ها به احتمال زیاد می‌تواند در ماهیت متفاوت دو روش ورودی ردیابی شود، یکی از نظر زمانی فوری و خاص‌تر، و دیگری از نظر متفکرانه‌تر و از نظر جغرافیایی عمومی‌تر، همانطور که در بالا بحث شد [11 ] . از سوی دیگر، لنز جالبی برای مقایسه ورودی‌های مختلف عمومی، به ویژه در مورد پتانسیل رسانه‌های اجتماعی در دستیابی به جمعیت‌شناسی جوان‌تر که اغلب در روش‌های سنتی مشارکت عمومی کمتر ارائه می‌شوند، فراهم می‌کند [31] .].

4.4. پیامدهای استفاده از رسانه های جغرافیایی اجتماعی برای درک افکار عمومی

نظرات عمومی که می‌توانند از رسانه‌های اجتماعی بازیابی شوند، به آنچه کوربرن [ 75 ] به عنوان بازتاب‌های «مناظر، بوها، و مزه‌های واقعی، همراه با لمس (ه) و تجربیات احساسی در زندگی روزمره» در نظر می‌گیرد، مربوط می‌شود (P.421). دانش از این نوع اغلب به طور موثر توسط روش های دیگر جمع آوری داده ها جمع آوری نمی شود [ 76] و بنابراین رسانه های جغرافیایی اجتماعی را به یک منبع بالقوه ارزشمند تبدیل می کند. مطالعه موردی ارائه‌شده در اینجا نشان می‌دهد که رسانه‌های جغرافیایی اجتماعی می‌توانند به شناسایی نگرانی‌ها و نیازهای عمومی در مورد امکانات فیزیکی و کیفیت خدمات عمومی کمک کنند و به طور بالقوه به عنوان یک مکانیسم اضافی گزارش‌دهی شهروندان مورد استفاده قرار گیرند. علاوه بر این، همانطور که در مطالعه موردی نشان داده شد، پیام‌هایی در مورد پروژه LRT اندکی پس از شروع ساخت ظاهر می‌شوند، که نشان‌دهنده استفاده بالقوه از رسانه‌های جغرافیایی اجتماعی برای به تصویر کشیدن پویایی درک عمومی در فضا و زمان است. بعلاوه، ادراک عمومی که از طریق توییتر بیان می‌شود، اغلب بازتابی از حس و واکنش مردم به محیط‌های بی‌واسطه‌شان است و با ورودی‌های عمومی جمع‌آوری‌شده از رویه‌های رسمی مشارکت عمومی، که معمولاً بر اساس تفکر بیشتر و انتخاب منطقی ارائه می‌شود، متفاوت است.11 ].
با توجه به سوگیری فضایی در رسانه‌های جغرافیایی اجتماعی، توزیع‌های جغرافیایی ناهموار توییت‌ها به‌طور شگفت‌انگیزی در مناطق دانشگاهی، مناطق مرکزی شهر و کریدور اصلی ترانزیت متمرکز نبودند، در حالی که نقاط داده در مناطق دیگر نسبتاً پراکنده بودند. همانطور که در مطالعات دیگر [ 77 ، 78 ] پیشنهاد شده است، این ناهمواری ممکن است استفاده از رسانه های جغرافیایی اجتماعی را در مناطق خاصی محدود کند. با این حال، ما توانستیم مکان‌هایی را خارج از مناطق پرتعامل شناسایی کنیم که با موضوعات خاصی مرتبط بودند یا در دوره‌های زمانی خاصی ظاهر شدند. برای درک سوگیری مکانی در داده‌های این نوع، باید کمی توجه به بررسی تحلیل کیفی در مقیاس‌های زمانی و مکانی مختلف معطوف شود.
مقایسه بین رسانه‌های جغرافیایی اجتماعی و نامه‌های شهروندی، تفاوت‌های بین رسانه‌های جغرافیایی اجتماعی و سایر روش‌های نظارت بر احساسات عمومی را بیشتر بررسی می‌کند. اگرچه رسانه‌های جغرافیایی اجتماعی ممکن است در ارائه بحث‌ها و نظرات عمیق‌تر در پاسخ به ابتکارات دولت محلی محدود باشند، اما پتانسیل تکمیل سایر روش‌های مشارکت عمومی و همچنین تقویت تعاملات مجازی جدید بین دولت و شهروندان از طریق فعالیت‌های آنلاین را نشان می‌دهند. این یافته ها پیامدهای متعددی برای تعاملات شهروندی و دولت دارد. اول، رسانه های جغرافیایی اجتماعی ممکن است به مطالعه “رابطه بین آنچه مردم می گویند و جایی که آن را می گویند” کمک کنند [ 74][ 79 ]، که به دلیل مشکل در شناسایی اطلاعات مکانی از مصاحبه‌ها، یک کار چالش برانگیز است . در حالی که مشخص شده است که مردم بیشتر در نظرات کتبی رسمی مانند نامه‌های شهروندان به موارد کلی اشاره می‌کنند، آیا رسانه‌های جغرافیایی اجتماعی می‌توانند با شناسایی مکان‌هایی که برخی مسائل ممکن است ارزش کاوش بیشتر را داشته باشند، روش‌های دیگری را تکمیل کنند. دوم، پاسخ به چالش IONUptown نشان می دهد که پتانسیل خوبی برای افزایش مشارکت شهروندان از طریق فعالیت های سرگرم کننده مبتنی بر مکان وجود دارد.
با این حال، دیدگاه های متخصصان دولت محلی برای ارزیابی این احتمالات و چالش های شناسایی شده حیاتی خواهد بود. در عمل، پذیرش دولت از رسانه های اجتماعی به عنوان مکانیزم نظارتی نه تنها به این بستگی دارد که آیا می توان اطلاعات ارزشمند را از رسانه های اجتماعی شناسایی کرد، بلکه به عوامل مختلفی مانند قابل اعتماد بودن مشارکت کنندگان داده ها و فرهنگ سازمان با توجه به انطباق با فناوری های جدید بستگی دارد [8] . ، 15 ]. کار آینده با مصاحبه با متخصصان دولت محلی، یافته های مطالعه موردی را بیشتر بررسی خواهد کرد.

5. نتیجه گیری ها

هدف این مقاله بررسی چالش‌های استفاده از رسانه‌های جغرافیایی اجتماعی و ارزیابی پتانسیل این منابع داده به عنوان کانالی جدید برای جمع‌آوری افکار عمومی مبتنی بر مکان بود. استفاده‌های بالقوه و چالش‌های شناسایی‌شده از مطالعه موردی به مجموعه‌ای از ادبیات در حال ظهور در مورد پذیرش رسانه‌های اجتماعی توسط دولت‌های محلی کمک می‌کند. این مطالعه تجربی نشان می‌دهد که چگونه رسانه‌های جغرافیایی اجتماعی می‌توانند انواع ورودی‌های عمومی مربوط به موضوع و مکان را ارائه دهند که به طور ماهرانه‌ای با آنچه ممکن است در منابع داده‌های مکمل یافت می‌شود متفاوت باشد. دوم، بر اساس ناهمواری‌های جغرافیایی اجتناب‌ناپذیر داده‌های رسانه‌های جغرافیایی اجتماعی، مطالعه ما نشان می‌دهد که چنین ناهمواری باید با ترکیب تحلیل کیفی در مقیاس‌های مکانی و زمانی مختلف بیشتر مورد بررسی قرار گیرد. علاوه بر این، متفاوت از بسیاری از مطالعات رسانه های جغرافیایی اجتماعی با تمرکز بر کلان شهرها، ما به طور هدفمند شهرهای واترلو و کیچنر را انتخاب کردیم تا روشن کنیم که آیا فرصت های درک شده رسانه های جغرافیایی برای شهرهای متوسط ​​قابل اجرا هستند یا خیر. در نهایت، جعبه ابزار TFA این مطالعه را با کاهش چالش های فنی برای برداشت و تجزیه و تحلیل محتوای رسانه های اجتماعی تسهیل کرد. این جعبه ابزار که برای پیام‌های رسانه‌های اجتماعی طراحی شده است، می‌تواند برای سایر ورودی‌های عمومی مبتنی بر متن، مانند آنچه از نظرسنجی‌ها، جلسات عمومی، انجمن‌های آنلاین و پلتفرم‌های مختلف رسانه‌های اجتماعی جمع‌آوری شده است، استفاده شود. مطالعه بیشتر کاربر برای آزمایش عملکرد و کاربر پسند بودن جعبه ابزار به منظور گسترش استفاده از آن مورد نیاز است. ما به طور هدفمند شهرهای واترلو و کیچنر را انتخاب کردیم تا روشن کنیم که آیا فرصت های درک شده از رسانه های جغرافیایی اجتماعی برای شهرهای متوسط ​​قابل اجرا هستند یا خیر. در نهایت، جعبه ابزار TFA این مطالعه را با کاهش چالش های فنی برای برداشت و تجزیه و تحلیل محتوای رسانه های اجتماعی تسهیل کرد. این جعبه ابزار که برای پیام‌های رسانه‌های اجتماعی طراحی شده است، می‌تواند برای سایر ورودی‌های عمومی مبتنی بر متن، مانند آنچه از نظرسنجی‌ها، جلسات عمومی، انجمن‌های آنلاین و پلتفرم‌های مختلف رسانه‌های اجتماعی جمع‌آوری شده است، استفاده شود. مطالعه بیشتر کاربر برای آزمایش عملکرد و کاربر پسند بودن جعبه ابزار به منظور گسترش استفاده از آن مورد نیاز است. ما به طور هدفمند شهرهای واترلو و کیچنر را انتخاب کردیم تا روشن کنیم که آیا فرصت های درک شده از رسانه های جغرافیایی اجتماعی برای شهرهای متوسط ​​قابل اجرا هستند یا خیر. در نهایت، جعبه ابزار TFA این مطالعه را با کاهش چالش های فنی برای برداشت و تجزیه و تحلیل محتوای رسانه های اجتماعی تسهیل کرد. این جعبه ابزار که برای پیام‌های رسانه‌های اجتماعی طراحی شده است، می‌تواند برای سایر ورودی‌های عمومی مبتنی بر متن، مانند آنچه از نظرسنجی‌ها، جلسات عمومی، انجمن‌های آنلاین و پلتفرم‌های مختلف رسانه‌های اجتماعی جمع‌آوری شده است، استفاده شود. مطالعه بیشتر کاربر برای آزمایش عملکرد و کاربر پسند بودن جعبه ابزار به منظور گسترش استفاده از آن مورد نیاز است. این جعبه ابزار را می توان برای سایر ورودی های عمومی مبتنی بر متن، مانند آنچه که از نظرسنجی ها، جلسات عمومی، انجمن های آنلاین و پلتفرم های مختلف رسانه های اجتماعی جمع آوری شده است، استفاده کرد. مطالعه بیشتر کاربر برای آزمایش عملکرد و کاربر پسند بودن جعبه ابزار به منظور گسترش استفاده از آن مورد نیاز است. این جعبه ابزار را می توان برای سایر ورودی های عمومی مبتنی بر متن، مانند آنچه که از نظرسنجی ها، جلسات عمومی، انجمن های آنلاین و پلتفرم های مختلف رسانه های اجتماعی جمع آوری شده است، استفاده کرد. مطالعه بیشتر کاربر برای آزمایش عملکرد و کاربر پسند بودن جعبه ابزار به منظور گسترش استفاده از آن مورد نیاز است.
روش‌های مختلفی وجود دارد که می‌توان استفاده از رسانه‌های جغرافیایی اجتماعی را در زمینه دولت محلی بیشتر مورد بررسی قرار داد. اول، تجزیه و تحلیل ما بر روی توییتر متمرکز است، که تنها یکی از محبوب ترین پلت فرم های رسانه های اجتماعی است. بررسی اینکه آیا ادغام انواع مختلف رسانه های اجتماعی اجازه می دهد تا زیرجمعیت های مختلف نشان داده شوند و جنبه های مختلف رفتار و تعامل به تصویر کشیده شوند، ارزشمند است. دوم، بخش نسبتاً کمی از رسانه های اجتماعی مختصات جغرافیایی را رمزگذاری کرده اند. ارجاع جغرافیایی اطلاعات مکانی ضمنی مانند نام مکان ها ممکن است حجم داده ها را غنی کند و پتانسیل جمع آوری اطلاعات مفید از رسانه های اجتماعی را افزایش دهد. سرانجام،

منابع

  1. Innes, JE; بوهر، دی. طرح. عمل تئوری. 2004 ، 5 ، 419-436. [ Google Scholar ] [ CrossRef ]
  2. Cinderby, S. چگونه به “دسترسی سخت” برسیم: توسعه سیستم های اطلاعات جغرافیایی مشارکتی (P-GIS) برای طراحی شهری فراگیر در شهرهای بریتانیا. منطقه 2010 ، 42 ، 239-251. [ Google Scholar ] [ CrossRef ]
  3. براون، جی. درگیر کردن خرد جمعیت و قضاوت عمومی برای برنامه ریزی کاربری زمین با استفاده از سیستم های اطلاعات جغرافیایی مشارکت عمومی. اوست طرح. 2015 ، 52 ، 199-209. [ Google Scholar ] [ CrossRef ]
  4. Lin, W. When web2.0 با مشارکت عمومی GIS (PPGIS): VGI و فضاهای نقشه برداری مشارکتی در چین. در جمع سپاری دانش جغرافیایی: اطلاعات جغرافیایی داوطلبانه (VGI) در تئوری و عمل . Sui, D., Elwood, S., Goodchild, M., Eds. Springer Science + Business Media BV: Dordrecht، هلند، 2013; صص 83-103. [ Google Scholar ]
  5. Reddick، CG; نوریس، DF پذیرش رسانه های اجتماعی در ریشه های آمریکایی: وب 2.0 یا 1.5؟ فرمانداری Inf. Q. 2013 , 30 , 498-507. [ Google Scholar ] [ CrossRef ]
  6. ماسا، پی. Campagna، M. اطلاعات جغرافیایی رسانه های اجتماعی: یافته ها و فرصت های اخیر برای برنامه ریزی فضایی هوشمند. TeMA J. استفاده از زمین موبایل. محیط زیست 2014 . [ Google Scholar ] [ CrossRef ]
  7. Massa, P. Social Media Geographic Information (SMGI): Opportunities for Spatial Planning and Government. دکتری پایان نامه، Università Degli Studi Di Cagliari Scuola، کالیاری، ایتالیا، 2016. [ Google Scholar ]
  8. ووکیچ، سی. Mergel, I. استفاده مجدد از اطلاعات رسانه های اجتماعی در دولت. فرمانداری Inf. س 2016 . [ Google Scholar ] [ CrossRef ]
  9. کرویتورو، آ. وایانت، ن. کروکس، آ. رادزیکوفسکی، جی. استفانیدیس، الف. پیوند فضاهای سایبری و فیزیکی از طریق شناسایی و خوشه‌بندی جامعه در فیدهای رسانه‌های اجتماعی. محاسبه کنید. محیط زیست سیستم شهری 2014 ، 53 ، 47-64. [ Google Scholar ] [ CrossRef ]
  10. کیم، ک.-اس. کوجیما، آی. اوگاوا، اچ. کشف موضوعات محلی با استفاده از روابط مکانی-زمانی نهفته در رسانه های جغرافیایی-اجتماعی. بین المللی جی. جئوگر. Inf. علمی 2016 . [ Google Scholar ] [ CrossRef ]
  11. گال تزور، ا. گرانت مولر، اس ام. کوفلیک، تی. مینکوف، ای. نوسرا، اس. شور، اول. پتانسیل رسانه های اجتماعی در ارائه اهداف سیاست حمل و نقل. ترانسپ سیاست 2014 ، 32 ، 115-123. [ Google Scholar ] [ CrossRef ]
  12. دانکل، الف. تجسم محیط درک شده با استفاده از داده‌های جغرافیایی عکس جمع‌سپاری شده. Landsc. طرح شهری. 2015 ، 142 ، 173-186. [ Google Scholar ] [ CrossRef ]
  13. کامپایا، ام. فلوریس، آر. ماسا، ص. نقش اطلاعات جغرافیایی رسانه های اجتماعی (SMGI) در برنامه ریزی فضایی. در برنامه ریزی سیستم های پشتیبانی و شهرهای هوشمند ; یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری. Geertman, S., Ed. Springer International Publishing: بازل، سوئیس، 2015; صص 41-60. [ Google Scholar ]
  14. رابرتسون، سی. فیک، آر. برآمدگی‌ها و کبودی‌ها در پوسته دیجیتال شهرها: محتوای تولید شده توسط کاربر در مناطق شهری ایالات متحده توزیع شده است. کارتوگر. Geogr. Inf. علمی 2015 ، 0406 ، 1-18. [ Google Scholar ] [ CrossRef ]
  15. گرانت مولر، اس ام. گال تزور، ا. مینکوف، ای. کوفلیک، تی. نوسرا، اس. شور، اول. سیاست حمل و نقل: رسانه های اجتماعی و محتوای تولید شده توسط کاربر در یک الگوی اطلاعاتی در حال تغییر. در رسانه های اجتماعی برای خدمات دولتی ; نپال، اس.، اد. Springer International Publishing: بازل، سوئیس، 2015; صص 325-366. [ Google Scholar ]
  16. کارور، اس. ایوانز، آ. کینگستون، آر. Turton، I. مشارکت عمومی، GIS، و دموکراسی سایبری: ارزیابی سیستم های پشتیبانی تصمیم فضایی آنلاین. محیط زیست طرح. B طرح. دس 2001 ، 28 ، 907-921. [ Google Scholar ] [ CrossRef ]
  17. رو، جی. گونه‌شناسی مکانیزم‌های مشارکت عمومی. علمی تکنولوژی هوم ارزش 2005 ، 30 ، 251-290. [ Google Scholar ] [ CrossRef ]
  18. روز، D. مشارکت شهروندان در فرآیند برنامه ریزی: مفهومی اساساً مورد مناقشه؟ جی. پلان. روشن شد 1997 ، 11 ، 421-434. [ Google Scholar ] [ CrossRef ]
  19. هیگز، جی. بری، آر. کیدنر، دی. لانگفورد، ام. استفاده از رویکردهای فناوری اطلاعات برای ارتقای مشارکت عمومی در برنامه‌ریزی انرژی‌های تجدیدپذیر: چشم‌اندازها و چالش‌ها. سیاست کاربری زمین 2008 ، 25 ، 596-607. [ Google Scholar ] [ CrossRef ]
  20. لوندز، وی. پراچت، ال. استوکر، جی. روندهای مشارکت عمومی: بخش 1 – دیدگاه های دولت محلی. عمومی Adm. 2001 ، 79 ، 205-222. [ Google Scholar ] [ CrossRef ]
  21. Ghose, R. پیچیدگی های مشارکت شهروندان از طریق حکومت مشارکتی. Space Polity 2005 ، 9 ، 61-75. [ Google Scholar ] [ CrossRef ]
  22. ایروین، RA; استنزبری، جی. مشارکت شهروندی در تصمیم گیری: آیا ارزش تلاش را دارد؟ عمومی Adm. Rev. 2004 , 64 , 55-65. [ Google Scholar ] [ CrossRef ]
  23. کینگ، CS; فلتی، KM; Susel, BO مسئله مشارکت: به سوی مشارکت عمومی واقعی در مدیریت دولتی. عمومی Adm. Rev. 1998 , 58 , 317-326. [ Google Scholar ] [ CrossRef ]
  24. Ghose, R. استفاده از فناوری اطلاعات برای توانمندسازی جامعه: تبدیل سیستم های اطلاعات جغرافیایی به سیستم های اطلاعات جامعه. ترانس. GIS 2001 ، 5 ، 141-163. [ Google Scholar ] [ CrossRef ]
  25. سیبر، آر. سیستم های اطلاعات جغرافیایی مشارکت عمومی: بررسی ادبیات و چارچوب. ان دانشیار صبح. Geogr. 2006 ، 96 ، 491-507. [ Google Scholar ] [ CrossRef ]
  26. هال، گیگابایت؛ چیپنیوک، آر. فیک، RD; لیهی، ام جی; Deparday، V. تولید اطلاعات جغرافیایی مبتنی بر جامعه با استفاده از نرم افزار منبع باز و وب 2.0. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 761-781. [ Google Scholar ] [ CrossRef ]
  27. پوچویچ، آ. نیلسن-پینکوس، ام. براون، جی. اشنیتزر، آر. ارزیابی روش‌های مبتنی بر اینترنت در مقابل روش‌های کاغذی برای سیستم‌های اطلاعات جغرافیایی مشارکت عمومی (PPGIS). ترانس. GIS 2012 ، 16 ، 39-53. [ Google Scholar ] [ CrossRef ]
  28. براون، جی. وبر، دی. de Bie, K. ارزیابی ارزش زمین های عمومی با استفاده از مشارکت عمومی GIS (PPGIS) و معیارهای چشم انداز اجتماعی. Appl. Geogr. 2014 ، 53 ، 77-89. [ Google Scholar ] [ CrossRef ]
  29. Slotterback، دیدگاه های برنامه ریزان CS در مورد استفاده از فناوری در فرآیندهای مشارکتی. محیط زیست طرح. B طرح. دس 2011 ، 38 ، 468-485. [ Google Scholar ] [ CrossRef ]
  30. ویسنته، ام آر. Novo، A. تحلیل تجربی مشارکت الکترونیکی. نقش شبکه های اجتماعی و دولت الکترونیک بر مشارکت آنلاین شهروندان فرمانداری Inf. Q. 2014 , 31 , 379-387. [ Google Scholar ] [ CrossRef ]
  31. ایوانز-کاولی، جی اس. گریفین، جی. مشارکت خرد: نقش میکروبلاگینگ در برنامه ریزی. الکترون SSRN. جی 2011 . [ Google Scholar ] [ CrossRef ]
  32. خان، GF; یون، هی؛ کیم، جی. پارک، HW از دولت الکترونیک تا دولت اجتماعی: استفاده از توییتر توسط دولت مرکزی کره. اطلاعات آنلاین Rev. 2013 , 38 , 95-113. [ Google Scholar ] [ CrossRef ]
  33. یوهانسن، MR; فلاک، LS; سابو، Ø. انتخاب رسانه مناسب برای مشارکت الکترونیک شهرداری بر اساس انتظارات ذینفعان. در مشارکت الکترونیکی ؛ Tambouris, E., Macintosh, A., Sæbø, Ø., Eds.; Springer: برلین/هایدلبرگ، آلمان، 2012; صص 25-36. [ Google Scholar ]
  34. سندوال المازان، ر. Ramon Gil-Garcia, J. Towards cyberactivism 2.0? درک استفاده از رسانه های اجتماعی و سایر فناوری های اطلاعاتی برای فعالیت های سیاسی و جنبش های اجتماعی. فرمانداری Inf. Q. 2014 , 31 , 365-378. [ Google Scholar ] [ CrossRef ]
  35. بونسون، ای. رویو، اس. Ratkai, M. مشارکت شهروندان در سایت های فیس بوک دولت های محلی. تحلیل تجربی: تاثیر انواع رسانه ها و محتوا در اروپای غربی فرمانداری Inf. Q. 2015 ، 32 ، 52-62. [ Google Scholar ] [ CrossRef ]
  36. موسبرگر، ک. وو، ی. کرافورد، جی. ارتباط شهروندان و دولت های محلی؟ رسانه های اجتماعی و تعامل در شهرهای بزرگ ایالات متحده. فرمانداری Inf. Q. 2013 , 30 , 351-358. [ Google Scholar ] [ CrossRef ]
  37. پاناگیوتوپولوس، پ. بیگدلی، AZ; سمس، اس. همکاری شهروند و دولت در رسانه های اجتماعی: مورد توییتر در شورش های سال 2011 در انگلستان. فرمانداری Inf. Q. 2014 , 31 , 349-357. [ Google Scholar ] [ CrossRef ]
  38. Zavattaro، SM; فرانسوی، PE; Mohanty، SD تحلیل احساسات توییت‌های دولت محلی ایالات متحده: ارتباط بین لحن و مشارکت شهروندان. فرمانداری Inf. Q. 2015 , 32 , 333-341. [ Google Scholar ] [ CrossRef ]
  39. شوایتزر، ال. برنامه ریزی و رسانه های اجتماعی: مطالعه موردی حمل و نقل عمومی و انگ در توییتر. مربا. طرح. دانشیار 2014 ، 80 ، 218-238. [ Google Scholar ] [ CrossRef ]
  40. سیلوا، تی. Vaz De Melo، POS; Almeida، JM; لوریرو، AAF رسانه های اجتماعی به عنوان منبعی برای سنجش پویایی شهر و رفتار اجتماعی شهری: رویکردها، مدل ها و فرصت ها. در تجزیه و تحلیل رسانه های اجتماعی همه جا حاضر ; یادداشت های سخنرانی در علوم کامپیوتر; آتزمولر، ام.، اد. Springer-Verlag: برلین/هایدلبرگ، آلمان، 2013; صص 63-87. [ Google Scholar ]
  41. لی، ال. Goodchild، MF ساخت مکان ها از ردپای فضایی. در مجموعه مقالات اولین کارگاه بین المللی ACM SIGSPATIAL در مورد اطلاعات جغرافیایی جمع آوری شده و داوطلبانه، ردوندو بیچ، کالیفرنیا، ایالات متحده آمریکا، 7 تا 9 نوامبر 2012. صص 15-21.
  42. تلوال، ام. باکلی، ک. پالتوگلو، جی. تشخیص قدرت احساسات برای وب اجتماعی. مربا. Soc. Inf. علمی تکنولوژی 2012 ، 63 ، 163-173. [ Google Scholar ] [ CrossRef ]
  43. فیک، ر. رابرتسون، سی. رویکرد چند مقیاسی برای کاوش مکان‌های شهری در عکس‌های دارای برچسب جغرافیایی. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 53 ، 96-109. [ Google Scholar ] [ CrossRef ]
  44. پانتراس، جی. حکیم، اس. لو، ایکس. کروتور، ا. کروکس، آ. Stefanidis، A. مثلث بندی محتوای چند رسانه ای اجتماعی برای محلی سازی رویداد با استفاده از فلیکر و توییتر. ترانس. GIS 2014 ، 19 ، 694-715. [ Google Scholar ] [ CrossRef ]
  45. یین، جی. لامپرت، ا. کامرون، ام. رابینسون، بی. پاور، آر. استفاده از رسانه های اجتماعی برای افزایش آگاهی وضعیت اضطراری. IEEE Intell. سیستم 2012 ، 27 ، 52-59. [ Google Scholar ] [ CrossRef ]
  46. دی آلبوکرک، جی پی; هرفورت، بی. برنینگ، آ. Zipf، A. یک رویکرد جغرافیایی برای ترکیب رسانه های اجتماعی و داده های معتبر به منظور شناسایی اطلاعات مفید برای مدیریت بلایا. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 667-689. [ Google Scholar ] [ CrossRef ]
  47. افضلان، ن. مولر، ب. نقش رسانه های اجتماعی در برنامه ریزی زیرساخت سبز: مطالعه موردی مشارکت محله در مکان یابی پارک. J. فناوری شهری. 2014 ، 21 ، 67-83. [ Google Scholar ] [ CrossRef ]
  48. افضلان، ن. ایوانز-کاولی، جی. برنامه ریزی و رسانه های اجتماعی: فیس بوک برای برنامه ریزی در مقیاس محله. طرح. تمرین کنید. Res. 2015 ، 30 ، 270-285. [ Google Scholar ] [ CrossRef ]
  49. وانگ، دبلیو. استوارت، ک. استخراج اطلاعات مکانی-زمانی و معنایی از گزارش های خبری وب در مورد خطرات طبیعی. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 50 ، 30-40. [ Google Scholar ] [ CrossRef ]
  50. الدرابی، تی. عثمان، H. هستی شناسی دامنه برای مفاهیم ساخت و ساز در محصولات زیرساخت شهری. خودکار ساخت و ساز 2011 ، 20 ، 1120-1132. [ Google Scholar ] [ CrossRef ]
  51. کرگوسین، ای. لاوال، بی. روشه، م. Teisseire, M. آیا نظرات در اسناد برنامه ریزی کاربری اراضی بیان شده است؟ بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 739-762. [ Google Scholar ] [ CrossRef ]
  52. آدامز، بی. مک‌کنزی، جی. استنتاج مکان‌های موضوعی از توصیف‌های زبان طبیعی ارجاع‌شده فضایی. در جمع سپاری دانش جغرافیایی: اطلاعات جغرافیایی داوطلبانه (VGI) در تئوری و عمل . Sui، DZ، Elwood، S.، Goodchild، MF، Eds. Springer: Houten، هلند، 2013; ص 201-221. [ Google Scholar ]
  53. دوو، دبلیو. وانگ، ایکس. اسکائو، دی. ریبارسکی، دبلیو. Zhou، MX LeadLine: تجزیه و تحلیل بصری تعاملی داده های متنی از طریق شناسایی و کاوش رویداد. در مجموعه مقالات کنفرانس IEEE در علم و فناوری تجزیه و تحلیل بصری 2012 (VAST 2012)، سیاتل، WA، ایالات متحده آمریکا، 14-19 اکتبر 2012. صص 93-102.
  54. ریوس، اس. مونوز، آر. الگوهای محتوا در جوامع همپوشانی مبتنی بر موضوع. علمی World J. 2014 ، 2014 ، 1-11. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  55. جانسون، PA; Sieber، RE موقعیت پذیرش VGI توسط دولت. در جمع سپاری دانش جغرافیایی: اطلاعات جغرافیایی داوطلبانه (VGI) در تئوری و عمل . Sui, D., Elwood, S., Goodchild, M., Eds. Springer: Houten، هلند، 2013; صص 65-81. [ Google Scholar ]
  56. استفانیدیس، ا. کروکس، آ. Radzikowski، J. برداشت اطلاعات مکانی محیطی از فیدهای رسانه های اجتماعی. ژئوژورنال 2013 ، 78 ، 319-338. [ Google Scholar ] [ CrossRef ]
  57. هاردی، دی. ماهیت جغرافیایی تألیف ویکی‌پدیا. در جمع سپاری دانش جغرافیایی: اطلاعات جغرافیایی داوطلبانه (VGI) در تئوری و عمل . Sui, D., Elwood, S., Goodchild, M., Eds. Springer: Houten، هلند، 2013; صص 175–200. [ Google Scholar ]
  58. گراهام، ام. استراومن، RK; Hogan, B. تقسیمات دیجیتال کار و مغناطیس اطلاعاتی: مشارکت در نقشه برداری در ویکی پدیا. ان دانشیار صبح. Geogr. 2015 ، 5608 ، 1-21. [ Google Scholar ] [ CrossRef ]
  59. هولنشتاین، ال. Purves، R. کاوش مکان از طریق محتوای تولید شده توسط کاربر: استفاده از Flickr برای توصیف هسته های شهر. جی. اسپات. Inf. علمی 2010 ، 1 ، 21-48. [ Google Scholar ]
  60. کاوالو، اس. لینچ، جی. اسکال، P. شکاف دیجیتالی در تماس‌های دولتی مبتنی بر شهروندان: یک رویکرد GIS. J. فناوری شهری. 2014 ، 21 ، 77-93. [ Google Scholar ] [ CrossRef ]
  61. لنهارت، ا. فاکس، اس. توییتر و به روز رسانی وضعیت ؛ Pew Internet & American Life Project: واشنگتن، دی سی، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  62. تائو، ک. هابیل، اف. هاف، سی. Houben، G. چه چیزی یک توییت را برای یک موضوع مرتبط می کند؟ CEUR Workshop Proc. 2012 ، 838 ، 49-56. [ Google Scholar ]
  63. راتنبری، تی. Naaman, M. روش‌هایی برای استخراج معناشناسی مکان از تگ‌های فلیکر. ACM Trans. وب 2009 ، 3 ، 1-30. [ Google Scholar ] [ CrossRef ]
  64. هابیل، اف. چلیک، آی. هوبن، جی جی; Siehndel, P. استفاده از معناشناسی توییت‌ها برای جستجوی وجهی تطبیقی ​​در توییتر. در مجموعه مقالات دهمین کنفرانس بین المللی وب معنایی، بن، آلمان، 23 تا 27 اکتبر 2011; صص 1-17.
  65. ژای، سی. لافرتی، ج. مطالعه روش‌های هموارسازی برای مدل‌های زبانی که برای بازیابی اطلاعات موقتی استفاده می‌شوند. در مجموعه مقالات بیست و چهارمین کنفرانس بین المللی سالانه ACM SIGIR در مورد تحقیق و توسعه در بازیابی اطلاعات، نیواورلئان، لس آنجلس، ایالات متحده آمریکا، 9 تا 12 سپتامبر 2001. صص 334-342.
  66. Blei، DM مقدمه ای بر مدل سازی موضوع احتمالی. اشتراک. ACM 2012 ، 55 ، 77-84. [ Google Scholar ] [ CrossRef ]
  67. آدامز، بی. Janowicz، K. امضاهای موضوعی برای پاکسازی و غنی‌سازی داده‌های مرتبط مرتبط با مکان. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 556-579. [ Google Scholar ] [ CrossRef ]
  68. اسمیت، ا. هاوز، تی. Myers, M. Hierarchie: تجسم تعاملی برای مدل های موضوع سلسله مراتبی. در مجموعه مقالات کارگاه آموزشی تعاملی زبان، تجسم، و رابط ها، بالتیمور، MD، ایالات متحده، 27 ژوئن 2014. ص 71-78.
  69. جنگو مروری بر چارچوب جنگو. در دسترس آنلاین: https://www.djangoproject.com/start/overview/ (در 9 ژانویه 2016 قابل دسترسی است).
  70. منطقه واترلو طرحی برای شکل دادن به رشد در منطقه واترلو. در دسترس آنلاین: http://www.regionofwaterloo.ca/en/doingBusiness/resources/BlueprintShapingGrowth.pdf (دسترسی در 16 مه 2016).
  71. لیتارو، KH; وانگ، اس. کائو، جی. پادمنابان، ع. Shook, E. نقشه برداری از ضربان قلب جهانی توییتر: جغرافیای توییتر. اولین دوشنبه 2013 ، 18 ، 1-12. [ Google Scholar ] [ CrossRef ]
  72. گال تزور، ا. گرانت مولر، اس ام. مینکوف، ای. Nocera، S. تاثیر استفاده از رسانه های اجتماعی بر سیاست حمل و نقل: مسائل، چالش ها و توصیه ها. Procedia Soc. رفتار علمی 2014 ، 111 ، 937-946. [ Google Scholar ] [ CrossRef ]
  73. سیبر، RE; جانسون، PA Civic داده های باز در یک چهارراه: مدل های غالب و چالش های فعلی. فرمانداری Inf. Q. 2015 , 32 , 308-315. [ Google Scholar ] [ CrossRef ]
  74. ایوانز، جی. جونز، پی. مصاحبه پیاده روی: روش شناسی، تحرک و مکان. Appl. Geogr. 2011 ، 31 ، 849-858. [ Google Scholar ] [ CrossRef ]
  75. Corburn, J. آوردن دانش محلی به تصمیم گیری زیست محیطی. جی. پلان. آموزش. Res. 2003 ، 22 ، 420-433. [ Google Scholar ] [ CrossRef ]
  76. مک کال، MK; دان، CE ابزارهای اطلاعات جغرافیایی برای برنامه ریزی فضایی مشارکتی: برآورده کردن معیارهای حکمرانی “خوب”؟ Geoforum 2012 ، 43 ، 81-94. [ Google Scholar ] [ CrossRef ]
  77. لارنس، اچ. رابرتسون، سی. فیک، ر. نلسون، تی. شناسایی مناطق مطالعه بهینه و واحدهای تجمع فضایی برای VGI مبتنی بر نقطه از منابع متعدد. در پیشرفت در مدیریت و تجزیه و تحلیل داده های مکانی ؛ Harvey, F., Leung, Y., Eds. Springer International Publishing: بازل، سوئیس، 2015; صص 65-84. [ Google Scholar ]
  78. شلتون، تی. پورتویس، ا. Zook, M. رسانه های اجتماعی و شهر: بازاندیشی نابرابری اجتماعی- فضایی شهری با استفاده از اطلاعات جغرافیایی تولید شده توسط کاربر. Landsc. طرح شهری. 2015 ، 142 ، 198-211. [ Google Scholar ] [ CrossRef ]
  79. الوود، SA; مصاحبه‌های مارتین، DG “Placing”: مکان و مقیاس‌های قدرت در تحقیقات کیفی. پروفسور Geogr. 2000 ، 52 ، 649-657. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00074 g001 1024
شکل 1. گردش کار جمع آوری و تجزیه و تحلیل داده های رسانه های اجتماعی.
Ijgi 05 00074 g002 1024
شکل 2. یک روش دو مرحله ای برای شناسایی خودکار پیام های رسانه های اجتماعی مرتبط.
Ijgi 05 00074 g003 1024
شکل 3. منطق LDA سلسله مراتبی (hLDA) (اقتباس از [ 68 ]).
Ijgi 05 00074 g004 1024
شکل 4. طراحی سیستم جعبه ابزار TFA.
Ijgi 05 00074 g005 1024
شکل 5. ( الف ) رابط اصلی جعبه ابزار TFA. ( ب ) انتخاب اسناد برای ایجاد یک واژگان موضوعی سفارشی. و ( ج ) بازبینی و اصلاح فهرست کلمات کلیدی تولید شده خودکار.
Ijgi 05 00074 g006 1024
شکل 6. منطقه مطالعه.
Ijgi 05 00074 g007 1024
شکل 7. توزیع فضایی توییت های مربوط به حمل و نقل عمومی.
Ijgi 05 00074 g008 1024
شکل 8. توزیع فضایی توییت های مرتبط با راه رفتن.
Ijgi 05 00074 g009 1024
شکل 9. مروری بر سلسله مراتب موضوع ایجاد شده از توییت های توییتر.
Ijgi 05 00074 g010 1024
شکل 10. خوشه بندی فضایی توییت های مرتبط با سرویس اتوبوس.
Ijgi 05 00074 g011 1024
شکل 11. مقایسه توییت های مربوط به سرویس اتوبوس قبل و بعد از ژوئن 2015.
Ijgi 05 00074 g012 1024
شکل 12. مروری بر سلسله مراتب موضوعی که از نامه های شهروندی ایجاد شده است.
جدول
جدول 1. ارزیابی ارتباط یک پیام با موضوع “پارکینگ”.
جدول
جدول 2. نمونه هایی از لیست کلمات کلیدی تولید شده از LDA.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370