災害ソーシャルメディア調査におけるバイアスと信頼性のギャップを示すレビュー

デジタル時代の災害管理は、単なる構造化されていないオンライン コンテンツのソースではなく、オンライン ソーシャル メディア データの慎重な分析によってサポートできると、 自然災害と地球システム科学 (ネス）タイトルは「自然災害によって引き起こされる災害を管理するためのソーシャルメディア：データ収集戦略と実用的な洞察の批判的レビュー」。

この系統的レビューは、ワイヤレス ネットワーク & アプリケーション センター (WNA)、インド、アムリタプリのアムリタ ヴィシュワ ヴィディヤピータムのラクシュミ S. ゴパール、レカ プラバ、ヘマラタ ティルグナナム、およびマニーシャ ヴィノディーニ ラメシュ、およびダラム大学ハザード・リスク・レジリエンス研究所 (IHRR) 所長のブルース D. マラマッドによって執筆されました。 UKは、ソーシャルメディアユーザーが科学文献の中で潜在的な「ヒューマンセンサーネットワーク」としてどのように概念化されてきたかを調査し、そのようなデータに関連する限界、偏見、信頼性の課題を評価しています。

研究者らは、洪水やハリケーンから地震に至るまで、自然災害によって引き起こされた10年以上の災害を目録化した後、2010年から2023年の間に出版された250件の査読済み論文、会議録、報告書、書籍の章を批判的にレビューしている。

このレビューでは、ソーシャル メディア データが、自然言語処理と機械学習の技術を使用して洗練され、適切な関連性フィルタリングと組み合わせることで、状況認識、コミュニティの関与、災害時のニーズの特定に大きく貢献できることが示されています。

「ソーシャルメディアはもはや災害時の単なるコミュニケーションツールではなく、対応インフラそのものの一部となっている。慎重に活用すれば、対応者が緊急のニーズを特定し、リソースをより迅速に割り当て、地域社会の回復力を強化するのに役立つ」とラクシュミ・S・ゴパール氏は述べた。

方法論的には、この研究はオープンアクセスのソーシャルメディア文献データベース（SMLD）を確立します。これは、2010年から2023年の間に出版されたソーシャルメディアと災害に関する250の研究を分類する広範なフレームワークです。

著者らは、この膨大な研究結果を 7 つの主要カテゴリと 27 のサブカテゴリに分類し、ケーススタディ地域、洪水、ハリケーン、地震、嵐、山火事、地滑り、火山噴火などの特定の災害タイプ、X (旧称 Twitter)、Facebook、Reddit などのプラットフォームにわたるデータの微妙な特徴を網羅しました。

この分類法は、この分野の技術進化に関する構造化された洞察を提供し、リソース不足、インフラストラクチャへの影響、コミュニティの対応などのニーズを特定するためにさまざまな分析アプローチがどのように使用されてきたかを強調します。

このレビューでは、大規模な非構造化ソーシャル メディア データセット内での自然言語処理と機械学習技術の適用が、特に関連性フィルタリング、イベント検出、センチメント分析において徐々に増加していることを文書化しています。しかし、著者らは、より高度なニューラル ネットワークのアプローチは依然として比較的過小評価されており、多くの研究がキーワードベースのデータ収集手法に依存していると指摘しています。

この研究では、従来の緊急プロトコルでは通常見落とされる要素である時間的および空間的メタデータを統合することにより、ユーザーが作成したコンテンツを著者らが「実用的な情報」と呼ぶものに変換する方法を特定しています。このような情報は、災害そのものを予測するのではなく、状況認識をサポートし、影響を受けた場所を特定し、国民感情を分析し、潜在的なリソースのニーズを明らかにすることができます。

「このレビューが示しているのは、ソーシャルメディアデータは災害管理を支援できるが、それはその限界が明確に認識されている場合に限られるということだ」とブルース・D・マラマッド氏は述べた。 「ソーシャルメディアは、公式データや専門家の判断に取って代わるものではありません。その価値は、特に他の方法では見逃される可能性のある地域の影響、ニーズ、視点を強調することによって、既存の情報源を補完することにあります。」

この研究は、災害管理におけるソーシャル メディア データの使用におけるベスト プラクティスと根強いギャップについて研究者や実務家に指針を与えます。誤った情報や脆弱性の見逃しのリスクを軽減するために、ソーシャルメディア分析を既存の公的災害リスク管理フレームワークに慎重に統合する必要があると主張しています。

このレビューでは、現在の実践における強みと限界の両方を特定することで、将来の研究と運用開発が最も必要とされる箇所を浮き彫りにしています。