Twitter, Flickr und Co - scinexx | Das Wissensmagazin
Anzeige
Anzeige

Twitter, Flickr und Co

Geodaten aus der Social-Media-Analyse

Neben den freiwillig aufgenommenen Geodaten hinterlässt ein Benutzer im Internet oft unbeabsichtigt einen geographischen Fußabdruck. Dies ist zum Beispiel immer dann der Fall, wenn Informationen – seien es Texte, Bilder oder Videos – in Echtzeit über Social Media Websites ausgetauscht werden.

{1r}

Geographischer Fußabdruck

Der Nutzer teilt diese Inhalte nicht mit dem Ziel mit, Geodaten zu erstellen – die geographische Information ist sozusagen ein Nebenprodukt, das etwa durch GPS-Empfänger in Smartphones erzeugt wird. Experten sprechen in diesem Fall von „Ambient Geographic Informations“. Beispiele sind Twitter-Feeds oder Fotos auf Plattformen wie Flickr und Instagram. Auch solche Inhalte können im Fall einer Katastrophe wichtige Informationen über die Lage und den Zustand vor Ort liefern und die Einsatzkräfte bei ihren Hilfsmaßnahmen unterstützen.

Es ist jedoch eine große Herausforderung, diese Daten automatisiert auszuwerten, zu klassifizieren und zu validieren. Dies wird derzeit mit Methoden der Informatik versucht. Darüber hinaus gibt es auch Initiativen und Plattformen wie „Ushahidi“, die für diese Aufgaben die Hilfe einer freiwilligen Crowd nutzen. Hier entstehen Synergien aus künstlicher und natürlicher Intelligenz. In der Praxis übernehmen einen großen Teil der Aufgaben oft Freiwillige aus den verschiedenen Gruppen des „Digital Humanitarian Network“.

Knackpunkt Datenqualität

Auch bei solchen Projekten ist das Fachwissen der Geoinformatiker gefragt. Die grundlegende Herausforderung heißt dabei immer: Wie kann die Qualität der Daten analysiert, bewertet und verbessert werden? Hierbei geht es zunächst um die automatische Ableitung diverser Qualitätskriterien für Geodaten: Wie genau, vollständig und aktuell sind sie – und wie konsistent bezüglich Geometrie und Semantik?

Anzeige

Neben diversen vergleichenden Analysemethoden haben die Heidelberger Forscher dafür mehrere Verfahren erarbeitet, die die Qualität von Geodaten aus der Historie der Datenerfassung und aus bestimmten Charakteristika der Mapper ableiten. Andere Methoden nutzen das maschinelle Lernen, um in Gebieten Geodaten zu erschließen, die bislang nicht vollständig oder nicht explizit erfasst waren. Um die Datenqualität zu verbessern, ist es beispielsweise wichtig, automatisierte Verfahren und Workflows miteinander zu kombinieren und dabei unterschiedliche Datenquellen sowie Konzepte des Crowdsourcing einzubeziehen.

  1. zurück
  2. |
  3. 1
  4. |
  5. 2
  6. |
  7. 3
  8. |
  9. 4
  10. |
  11. 5
  12. |
  13. 6
  14. |
  15. 7
  16. |
  17. weiter

Alexander Zipf, Universität Heidelberg / Ruperto Carola
Stand: 21.10.2016

Anzeige

In den Schlagzeilen

Inhalt des Dossiers

Mit Netz und Geodaten
Wie Internet und Soziale Medien beim Katastrophen-Management helfen

Warum Geodaten wichtig sind
Informationsquellen im Katastrophenfall

Webnutzer als Kartierungs-Helfer
Das Beispiel Open Street Map

Vorbeugendes Kartieren
Vom "Crisis Mapping" zu "Mapathons"

Citizen Science für Geodaten
Wie auch Laien bei der Erstellung von Geodaten helfen können

Twitter, Flickr und Co
Geodaten aus der Social-Media-Analyse

Vom Tweet zur Karte
Aus Webinfos werden Geodaten

Diaschauen zum Thema

News zum Thema

Karten der Ostsee-"Todeszonen" veröffentlicht
Langzeitdaten aus knapp 40 Jahren zeigen Entwicklung der Sauerstoff-Minimumzonen

Kleine Tricks machen Landkarten lesbarer
Schon Gitterkreuze verringern die Verzerrung der Karte im Kopf

CO2-Emissionen bis auf das Gebäude genau kartiert
Dreidimensionale Karten zeigen Hauptquellen von Treibhausgasen in der Stadt

Japan: Fachlicher Totalausfall bei Risikovorhersage?
Seismologe äußert harsche Kritik an veralteter Methodik und Modellen bei der Risikovorhersage

Dossiers zum Thema

Neue Kartenwelten - Eine neue Projektion macht den Menschen und seinen Einfluss zur Basis der Kartografie

Anzeige
Anzeige