Participatory Social Sensor: A Framework to Social Media Data Acquisition and Analysis
Resumo
Compreender a mobilidade urbana, o sentimento das pessoas e os comportamentos sociais têm sido o foco de muitas pesquisas e investimentos. Devido ao custo de se criar uma infraestrutura de sensores em uma dada área, dados que descrevem vários aspectos das cidades têm se tornado restrito à empresas privadas, grupos de pesquisadores e governos. Nesse cenário, o uso de LBSM fornece uma nova maneira de compreender os comportamentos sociais a partir do ponto de vista do usuário. Diante disso, propomos o uso de LBSM como sensor participatório e desenvolvemos o PSS, um framework amigável e de código aberto para aquisição e análise de dados de mídia social. Desenvolvemos um processo de aquisição e análise de dados do Twitter, visando guiar pesquisadores em suas aplicações através de uma configuração de entrada estruturada, onde é especificada a área, intervalo temporal, tags e outros parâmetros. O resultado é um conjunto de análises visuais que descrevem uma visão geral do contexto, permitindo aos pesquisadores e estudantes conduzir seus projetos, focando somente nos problemas principais de pesquisa e os ajudando a tomar decisões.
Referências
Gaurav, M., Srivastava, A., Kumar, A., and Miller, S. (2013). Leveraging candidate popularity on twitter to predict election outcome. In Proceedings of the 7th workshop on social network mining and analysis, page 7. ACM.
Karami, A., Dahl, A. A., Turner-McGrievy, G., Kharrazi, H., and Shaw Jr, G. (2018). Characterizing diabetes, diet, exercise, and obesity comments on twitter. International Journal of Information Management, 38(1):1-6.
Santos, B. P., Rettore, P. H., Ramos, H. S., Vieira, L. F. M., and A. F. Loureiro, A. (2018). Enriching traffic information with a spatiotemporal model based on social media. In ISCC, Natal, Brazil.
Xu, S., Li, S., and Wen, R. (2018). Sensing and detecting traffic events using geosocial media data: A review. Computers, Environment and Urban Systems, (June).
