Journal des sciences théoriques et computationnelles
Libre accès

Abstrait

Détection sociale et analyse des mégadonnées : de la gestion des catastrophes à la santé publique

Zhenlong Li

Les catastrophes à évolution rapide, souvent difficiles à anticiper et à gérer, font de la gestion des catastrophes une tâche difficile dans le monde entier. Les méthodes traditionnelles de collecte de données telles que la télédétection et les relevés sur le terrain ne parviennent souvent pas à fournir des informations opportunes pendant ou immédiatement après les catastrophes. La détection sociale permet à tous les citoyens de faire partie d'un grand réseau de capteurs, peu coûteux, plus complet et diffusant toujours des informations sur la situation. Cependant, les données collectées avec la détection sociale (comme les tweets) sont souvent massives, hétérogènes, bruyantes et peu fiables sous certains aspects. Ensemble, ces problèmes représentent un grand défi pour tirer pleinement parti de la détection sociale pour la prise de décision en matière de gestion des catastrophes dans des conditions de contrainte extrême. Cette conférence rend compte de nos récents efforts pour tirer parti de la détection sociale et de l'analyse des mégadonnées pour soutenir la gestion des catastrophes. À l'aide d'exemples d'application du monde réel, cette conférence identifie les principaux défis liés à l'utilisation de données de détection sociale volumineuses pour la gestion des catastrophes et présente nos solutions. Enfin, un exemple de recherche sur l'utilisation des données des médias sociaux pour suivre les mouvements de population pendant la pandémie de COVID-19 est présenté pour démontrer comment la détection sociale et l'analyse des mégadonnées peuvent être utilisées dans la recherche en santé publique.