Criação de Assinatura Cultural de Áreas Urbanas com Estabelecimentos Geolocalizados na Web

  • Fernanda R. Gubert UTFPR
  • Gustavo H. Santos UTFPR
  • Myriam Delgado UTFPR
  • Daniel Silver University of Toronto
  • Thiago H. Silva UTFPR

Resumo


O conhecimento a respeito das características dos diferentes grupos culturais que existem no mundo e a identificação de similaridades culturais entre suas respectivas áreas de ocupação podem trazer diversos benefícios econômicos e sociais, como a recomendação de locais sob critérios culturais. Pesquisas referentes ao estudo dessas diferentes culturas são realizadas, em grande parte, de maneira tradicional, as quais são caras e não escalam. Dessa forma, este trabalho consiste em obter características relevantes de áreas urbanas utilizando dados geolocalizados de fontes da web, e aplicar uma metodologia que enriquece esses dados obtidos para a geração de uma assinatura cultural de áreas urbanas. Em uma aplicação prática da proposta, o resultado se mostra muito coerente, separando os bairros de Curitiba em clusters com características culturais distintas.

Referências

Arribas-Bel, D. and Fleischmann, M. (2022). Spatial signatures-understanding (urban) spaces through form and function. Habitat International, 128:102641.

Bancilhon, M., Constantinides, M., Bogucka, E. P., Aiello, L. M., and Quercia, D. (2021). Streetonomics: Quantifying culture using street names. Plos one, 16(6):e0252869.

de Brito, S. A., Baldykowski, A. L., Miczevski, S. A., and Silva, T. H. (2018). Cheers to untappd! preferences for beer reflect cultural differences around the world. In Proc. of AMCIS’18, New Orleans, USA.

Goffman, E. (1974). Frame analysis: An essay on the organization of experience. Harvard University Press.

Gubert, F. and Silva, T. (2022). Google places enricher: A tool that makes it easy to get and enrich google places api data. In Anais Estendidos do XXVIII Simpósio Brasileiro de Sistemas Multimídia e Web, pages 91–94, Porto Alegre, RS, Brasil. SBC.

Hauke, J. and Kossowski, T. (2011). Comparison of values of pearson’s and spearman’s correlation coefficients on the same sets of data. Quaestiones geographicae, 30(2):87.

Hidalgo, C. A., Castañer, E., and Sevtsuk, A. (2020). The amenity mix of urban neighborhoods. Habitat International, 106:102205.

Hu, L., Li, Z., and Ye, X. (2020). Delineating and modeling activity space using geotagged social media data. Cartography and Geographic Information Science, 47(3):277–288.

Ilieva, R. T. and McPhearson, T. (2018). Social-media data for urban sustainability. Nature Sustainability, 1(10):553–565.

Laufer, P., Wagner, C., Flöck, F., and Strohmaier, M. (2015). Mining cross-cultural relations from wikipedia: a study of 31 european food cultures. In Proceedings of the ACM Web Science Conference, pages 1–10.

Martí, P., Serrano-Estrada, L., Nolasco-Cirugeda, A., and Baeza, J. L. (2021). Revisiting the spatial definition of neighborhood boundaries: Functional clusters versus administrative neighborhoods. Journal of Urban Technology, pages 1–22.

Mehta, V. and Mahato, B. (2019). Measuring the robustness of neighbourhood business districts. Journal of Urban Design, 24(1):99–118.

Reimers, N. and Gurevych, I. (2019). Sentence-bert: Sentence embeddings using siamese bert-networks. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics.

Rivière, F. et al. (2009). Investing in cultural diversity and intercultural dialogue, volume 2. Unesco.

Sen, R. and Quercia, D. (2018). World wide spatial capital. PloS one, 13(2):e0190346.

Senefonte, H., Frizzo, G., Delgado, M., Lüders, R., Silver, D., and Silva, T. (2020). Regional influences on tourists mobility through the lens of social sensing. In International Conference on Social Informatics, pages 312–319. Springer.

Silva, T. H., de Melo, P. O. V., Almeida, J. M., Musolesi, M., and Loureiro, A. A. (2017). A large-scale study of cultural differences using urban data about eating and drinking preferences. Information Systems, 72:95–116.

Silva, T. H. and Silver, D. (2024). Using graph neural networks to predict local culture. arXiv.

Silva, T. H., Viana, A. C., Benevenuto, F., Villas, L., Salles, J., Loureiro, A., and Quercia, D. (2019). Urban computing leveraging location-based social network data: A survey. ACM Comput. Surv., 52(1):17:1–17:39.

Silver, D. and Silva, T. H. (2021). Complex causal structures of neighbourhood change: Evidence from a functionalist model and yelp data.

Silver, D. A. and Clark, T. N. (2016). Scenescapes: How qualities of place shape social life. The University of Chicago.

Simmel, G. (1971). On individuality and social forms: Selected writings, ed. Donald N. Levine. Chicago: UP of Chicago.

Spencer-Oatey, H. and Franklin, P. (2012). What is culture. A compilation of quotations. GlobalPAD Core Concepts, pages 1–22.

Weber, M. (1930). The Protestant Ethic and the Spirit of Capitalism. New York: Routledge Classics.

YP (2022). Yellow pages. [link].

Zhang, Z., He, Q., Gao, J., and Ni, M. (2018). A deep learning approach for detecting traffic accidents from social media data. Transportation research part C: emerging technologies, 86:580–596.
Publicado
20/05/2024
GUBERT, Fernanda R.; SANTOS, Gustavo H.; DELGADO, Myriam; SILVER, Daniel; SILVA, Thiago H.. Criação de Assinatura Cultural de Áreas Urbanas com Estabelecimentos Geolocalizados na Web. In: WORKSHOP DE COMPUTAÇÃO URBANA (COURB), 8. , 2024, Niterói/RJ. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2024 . p. 127-140. ISSN 2595-2706. DOI: https://doi.org/10.5753/courb.2024.3260.