Universitätssiegel
Förderung
DFG, SPP 1894/1 – Volunteered Geographic Information
 
Project Lead
 
Wiss. Mitarbeiter
 

Räumliche Korrelationen in Social-Media-Daten

Quantifizierung der räumlichen Korrelationsstrukturen in georeferenzierten Twitter Feeds

Soziale Medien erwiesen sich als ergiebige und reichhaltige VGI Datenquelle für unterschiedliche Forschungsgebiete. Der vorliegende Antrag zielt auf die Erweiterung der wissenschaftlichen Methoden zur Identifikation räumlicher Zusammenhänge v.a. aus Twitter Daten. Für deren Analyse müssen raumstatistische Methoden geeignet angepasst und erweitert werden, um die inhärenten Charakteristika der Tweets und der sie abbildenden geographischen Phänomene besser zu repräsentieren. Theoretisch bauen die Ansätze auf die Theorie räumlicher Autokorrelation auf, der traditionelle Ansatz zur Quantifizierung räumlicher Strukturen.

Die erste Forschungsfrage befasst sich mit der Integration räumlicher Autokorrelation und der stochastischen Geometrie von Tweets. Letztere Eigenschaft wird traditionell über Methoden der Punktmusteranalyse untersucht. Die vorgeschlagenen Ansätze verbinden Prinzipien beider Theoriegebäude. In einer initialen empirischen Untersuchung werden zunächst die Einflüsse der geometrischen Stochastizität auf Ergebnisse konventioneller Maße räumlicher Autokorrelation ermittelt. Dies umfasst die Modellierung lokaler Punktmustern sowie eine Monte Carlo Simulation. Damit sind Rückschlüsse auf die räumliche Variation der Interaktion in realweltlichen sozialen Aktivitäten möglich. Im Anschluss fließen die Ergebnisse in ein adaptiertes Maß zur Korrelationsermittlung ein. Dieses wird über den Einbezug von Prinzipien von Gibbs- und Cox Punktprozessen eine realistische Ermittlung von Korrelationsstrukturen erlauben.

Eine zweite Problemstellung fokussiert auf die Berücksichtigung sich gegenseitig überlagernder Prozessrepräsentationen. Diese entstehen durch die autonomen Nutzer, welche raumzeitlich überlagernde Prozessrepräsentationen erfassen. Zunächst müssen die für eine Analyse relevanten und irrelevanten Tweets getrennt werden. Ein zu untersuchender Ansatz basiert dabei auf der Dempster-Shafer Theorie und Dirichlet Prozessen und ist als Hypothesentest gestaltet. Dieses mündet Verfahren in eine Methodik zur Ableitung von entflochtenen Korrelationsstrukturen. Dieses gestaltet sich in Form einer partiellen räumlichen Autokorrelation und verhindert die Vermischung von potentiell beziehungslosen Phänomenen.

Im Gegensatz zu den ersten beiden Aspekten adressiert eine dritte Aufgabe die Analyse von zusammengesetzten sozialen Prozessen. Hierfür müssen geeignete Strategien für die Aggregation von Tweets erarbeitet werden. Hierzu sollen traditionelle Clusteringverfahren, ein Shrink-and-Grow Ansatz sowie eine Beschreibung über Indizes der Punktmusteranalyse untersucht werden. Zudem werden Zusammenhänge zwischen diesen aggregierten Prozessen sowie deren Einfluss auf ihre unmittelbare Umgebung untersucht.

Diese Ansätze erlauben eine detailliertere Analyse sozialer Phänomene und ihrer räumlichen Wirkmechanismen. Durch den Einbezug der Spezifika sozialer Medien werden zudem Methoden zur räumlichen Analyse soziotechnischer Systeme stark verbessert.

News
23.11.2021 14:35
SocialMedia2Traffic bei Fachaustausch Geoinformation “Smarte Region Rhein-Neckar”

Diesen Donnerstag, 25.11.2021, werden wir unser Kooperationsprojekt SocialMedia2Traffic beim Fachaustausch Geoinformation zum Thema “Smarte Region Rhein-Neckar” vorstellen. Aktuelle Verkehrsinformationen sind eine Voraussetzung für Navigationslösungen, um die beste Route und genaue Reisezeiten zu ermitteln. Diese sind momentan jedoch nicht offen verfügbar. Im Projekt SocialMedia2Traffic entwickeln eine Methode, um Verkehrsinformation aus georeferenzierten Social-Media-Daten zu extrahieren [...]

22.04.2021 11:09
geoEpi - new DFG research project on spatio-temporal epidemiology of emerging viruses

A couple of viruses are of global interest with respect to human health and well-being. These pathogens include the novel coronavirus SARS-CoV-2, Dengue, Chikungunya, Yellow fever, Zika and Ebola. These viruses show interesting spatio-temporal dynamics. Improved understanding of the driving and moderating factors will help to cope with these pathogens. The recently funded new project geoEpi [...]

15.03.2021 10:00
New mFund project: start of SocialMedia2Traffic - derivation of traffic information from social media data

(deutsche Version siehe unten) Up-to-date traffic information is a prerequisite for navigation solutions to determine the best route and travel time. However, there is no freely available traffic information on a global and federal level. “SocialMedia2Traffic uses freely available data from social media such as Twitter messages,” says Prof. Zipf, “to determine current traffic information such [...]

08.06.2020 10:10
Exploration of OpenStreetMap Missing Built-up Areas using Twitter Hierarchical Clustering and Deep Learning in Mozambique

Accurate and detailed geographical information digitizing human activity patterns plays an essential role in response to natural disasters. Volunteered geographical information, in particular OpenStreetMap (OSM), shows great potential in providing the knowledge of human settlements to support humanitarian aid, while often the availability and quality of OSM remains a major concern. The majority of existing [...]

05.02.2020 07:10
Detecting OSM Building Facades with Graffiti Artwork Based on Street View Images and Social Media using Deep Learning

As a recognized type of art, graffiti is a cultural asset and an important aspect of a city’s aesthetics. As such, graffiti is associated with social and commercial vibrancy and is known to attract tourists. However, positional uncertainty and incompleteness are current issues of open geo-datasets containing graffiti data. In a newly published paper, we [...]

25.06.2019 11:12
Methodological aspects of the spatial analysis of geosocial media feeds: from locations towards places

A new journal article about Methodological aspects of the spatial analysis of geosocial media feeds: from locations towards places has just been published in gis.science Vol 2 2019. It covers some main aspects and findings of the PhD Thesis of our team member Rene Westerholt (now at Warwick UK) and relates those to the analysis of place in [...]

05.06.2019 15:22
Understanding human mobility from social media data for epidemic surveillance in urban environment

Vector-born diseases – such as Malaria, Dengue or Zika are serious health hazards in tropical regions. The outbreaks show high temporal and spatial variability. For example, the number of dengue cases in the state of São Paulo increased by 2,124% in the first 11 weeks of 2019 (up to March 16, 229,064 cases were reported), [...]

19.10.2018 09:54
An exploration of the interaction between urban human activities and daily traffic conditions: A case study of Toronto, Canada

Understanding how citizens interact with transportation system is a key to solving a variety of urban issues in general and traffic congestion in particular. Recently, scholars have put efforts on the pertinent work ranging from developing traffic predictors to understanding human mobility and activity patterns. Multiple types of data have been used, of which crowdsourced [...]

04.06.2018 21:45
Successful DFG VGIscience Collaborative Research Week in Heidelberg

Last week about 30 scientists from different insitutions from all across Germany came together in Heidelberg to conduct collaborative research. The research week is the result of an intense collaboration within the DFG Priority Programme VGIscience, which deals with the following topics Information Retrieval and Analysis of VGI: • information extraction (space, time, semantics) • data aggregation and [...]

25.04.2018 15:48
Coupling maximum entropy modeling with geotagged social media data to determine the geographic distribution of tourists

Modeling the geographic distribution of tourists at a tourist destination is crucial when it comes to enhancing the destination’s resilience to disasters and crises, as it enables the efficient allocation of limited resources to precise geographic locations. Seldom have existing studies explored the geographic distribution of tourists through understanding the mechanisms behind it. A recently [...]

Seitenbearbeiter: Webmaster-Team
Letzte Änderung: 13.12.2016
zum Seitenanfang/up