Social Media as Sensors (fossgis2014)

Der Beitrag zeigt die Konzeption und Entwicklung eines System, welches die Möglichkeit bietet, Social Media (beispielhaft mit Twitter) und deren Analyse (NLP), als Beobachtungen in einem Sensornetzwerk als SOS zur Verfügung zu stellen. Dieser Beitrag beschäftigt sich damit, die Analyse von Social Media Daten als eine Art „Human Sensor“ in einem Sensor Observation Service (SOS) bereitzustellen. Hintergrund ist die Möglichkeit, welche die Analyse von Social Media Daten aus den unterschiedlichen Netzwerken, wie Twitter, Facebook, Flickr oder Youtube bietet. Vor allem im Bereich der Marketinganalyse und des Katastrophenmanagements wird dies ein immer häufiger genutztes Werkzeug. Die Relevanz des Raumbezugs bei Social Media zeigt der Prototyp einer Arbeit, welcher die Ergebnisse einer gefilterten Twitter-Suche über einfache kartographische Darstellungsformen räumlich visualisiert (http://tweetmap.fh-mainz.de). Durch den Einsatz von von Natural Language Processing (NLP), z.B. der Sentimental Analyse, können Social Media Daten hinsichtlich des Inhaltes untersucht werden. Aus diesen Untersuchungen lassen sich detailliertere Informationen, ähnlich zu physikalisch gemessenen Phänomenen gewinnen. Dadurch lassen sich Social Media Daten zu einem Human Sensor wandeln. Unter Human Sensors versteht man ein Messmodell, in dem Menschen neben physikalischen Messungen, wie z.B durch Fitnessarmbänder, auch subjektive „Messungen“ wie Sinneseindrücke, Empfindungen oder persönliche Beobachtungen beitragen (vgl. Resch et al1). Die Nutzung von Social Media basierten Human-Sensors gewinnt zudem an Bedeutung, wenn diese Daten in den Zusammenhang mit anderen Datenquellen, wie z.B. Umweltinformationen, gesetzt werden können. Eine Herausforderung dieser Zusammenführung ist die Interoperabilität zwischen den Daten. Diese kann durch den Einsatz von Standards erreicht werden. Der hier vorgestellt Ansatz basiert auf dem Sensor Observation Service (SOS) aus dem Bereich des Sensor Web Enablements (SWE). Die Kombination der oben genannten Bereiche (Raum/Zeit, NLP, Human Sensor) ergibt hierfür eine Sensordatenquelle in einem SOS-Netzwerk. In diesem Netzwerk können die so verwalteten Information mit anderen räumlichen Sensordaten kombiniert werden. Der Beitrag fokussiert dabei die Konzeption und Entwicklung eines Systems, welches die Möglichkeit bietet, Daten aus Social Media Netzwerken (zunächst beispielhaft mit Twitter) und deren Analyse (NLP), als Beobachtungen in einem Sensornetzwerk als SOS zur Verfügung zu stellen. Zudem werden Ansätze gezeigt die gesammelten Daten räumlich und zeitlich zu visualisieren. Das System basiert ausschließlich auf FOSS Komponenten, wie die aus der 52°North Sensor Web Community oder Projekten aus dem Spring Framework. *1: http://www.berndresch.com/download/work/publications/resch_et_al_people_as_sensors_agit2011.pdf about this event: https://fossgis-konferenz.de/2014/programm/events/673.de.html