Jornal de Ciências Teóricas e Computacionais
Acesso livre

Abstrato

Sensoriamento Social e Análise de Big Data: da Gestão de Catástrofes à Saúde Pública

Zhen Long Li

As catástrofes de início rápido, muitas vezes difíceis de preparar e de responder, fazem da gestão de catástrofes uma tarefa desafiante em todo o mundo. Os métodos tradicionais de recolha de dados, como a detecção remota e o levantamento de campo, muitas vezes não conseguem fornecer informações atempadas durante ou imediatamente após os eventos de catástrofe. A deteção social permite que todos os cidadãos façam parte de uma grande rede de sensores, de baixo custo, mais abrangente e que transmite sempre informação de consciência situacional. No entanto, os dados recolhidos com deteção social (como tweets) são frequentemente massivos, heterogéneos, ruidosos e pouco fiáveis ​​em alguns aspetos. Em conjunto, estas questões representam um grande desafio para o pleno aproveitamento do sentido social para a tomada de decisões de gestão de catástrofes sob extrema pressão. Esta palestra relata os nossos esforços recentes no aproveitamento da deteção social e da análise de big data para apoiar a gestão de catástrofes. Recorrendo a exemplos de aplicação do mundo real, esta palestra identifica os principais desafios da utilização de big data de deteção social para a gestão de desastres e apresenta as nossas soluções. Por último, é discutido um exemplo de investigação sobre a utilização de dados das redes sociais para monitorizar o movimento da população durante a pandemia de COVID-19, para demonstrar como a detecção social e a análise de big data podem ser utilizadas na investigação em saúde pública.