Threats and crisis events detection using machine learning techniques with social media data

• Autorzy: Organiściak Patryk , Kuraś Paweł , Kowal Bartosz

Identyfikatory

DOI

10.54264/0079

Warianty tytułu

PL

Wykrywanie zagrożeń i zdarzeń kryzysowych z wykorzystaniem technik uczenia maszynowego w oparciu o dane z mediów społecznościowych

• Języki publikacji: EN

Abstrakty

EN

In the paper, the authors present the outcome of web scraping software allowing for the automated classification of threats and crisis events detection. In order to improve the safety and comfort of human life, an analysis was made to quickly detect threats using a modern information channel such as social media. For this purpose, social media services that are popular in the examined region were reviewed and the appropriate ones were selected using the criteria of accessibility and popularity. Approximately 300 unique posts from local groups of cities and other administrative centers were collected and analyzed. The decision of which entry was classified as a threat was defined using the ChatGPT tool and the human expert. Both variants were tested using machine learning (ML) methods. The paper tested whether the ChatGPT tool would be effective at detecting presumed events and compared this approach to the classic ML approach.

PL

W artykule autorzy przedstawiają wyniki prac nad oprogramowaniem web scrapingowym pozwalającym na zautomatyzowaną klasyfikację zagrożeń i wykrywanie zdarzeń kryzysowych. W celu poprawy bezpieczeństwa i komfortu życia ludzi przeprowadzono analizę szybkiego wykrywania zagrożeń z wykorzystaniem nowoczesnego kanału informacyjnego jakim są media społecznościowe. W tym celu dokonano przeglądu popularnych w badanym regionie serwisów społecznościowych i wybrano odpowiednie, kierując się kryteriami dostępności i popularności. Zebrano i przeanalizowano około 300 unikalnych postów z lokalnych grup miast i innych ośrodków administracyjnych. Decyzja o tym, który wpis został sklasyfikowany jako zagrożenie, została określona przy użyciu narzędzia ChatGpt oraz przy udziale osoby (eksperta). Oba warianty zostały przetestowane przy użyciu metod uczenia maszynowego (ML). Dodatkowo, w artykule sprawdzono, czy narzędzie ChatGpt będzie skuteczne w wykrywaniu domniemanych zdarzeń i porównano to rozwiązanie z klasycznym podejściem ML, gdzie dane uczące etykietowano przy udziale ekspretra.

Słowa kluczowe

EN

social media; threat detection; web scraping; chatGPT; machine learning

PL

media społecznościowe; wykrywanie zagrożeń; web scraping; chatGPT; uczenie maszynowe

• Wydawca: Wydawnictwo Wyższej Szkoły Technicznej w Katowicach
• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Technicznej w Katowicach
• Rocznik: 2023
• Tom: T. 17
• Strony: 123--141
• Opis fizyczny: Bibliogr. 43 poz., rys., tab.

Twórcy

autor

Organiściak Patryk

• Department of Complex Systems, The Faculty of Electrical and Computer Engineering, Rzeszow University of Technology

• https://orcid.org/0000-0002-5277-4038

autor

Kuraś Paweł

• Department of Complex Systems, The Faculty of Electrical and Computer Engineering, Rzeszow University of Technology

• https://orcid.org/0000-0002-8658-0821

autor

Kowal Bartosz

• Department of Complex Systems, The Faculty of Electrical and Computer Engineering, Rzeszow University of Technology

• https://orcid.org/0000-0002-7909-6484

Bibliografia

• [1] Aillerie, K., & McNicol, S. (2018). Are social networking sites information sources? Informational purposes of high-school students in using SNSs. Journal of Librarianship and Information Science, 50(1), 103-114.
• [2] Giles, H., & Ogay, T. (2007). Communication accommodation theory.
• [3] Sinta, I., Ilham, R. N., ND, M. A., Subhan, M., & Usman, A. (2022). UTILIZATION OF DIGITAL MEDIA IN MARKETING GAYO ARABICA COFFEE. IRPITAGE JOURNAL, 2(3), 103-108.
• [4] Audrezet, A., De Kerviler, G., & Moulard, J. G. (2020). Authenticity under threat: When social media influencers need to go beyond self-presentation. Journal of business research, 117, 557-569.,
• [5] Boulianne, S., Lalancette, M., & Ilkiw, D. (2020). „ School Strike 4 Climate”: Social Media and the International Youth Protest on Climate Change. Media and Communication, 8(2), 208-218.
• [6] Abbas, J., Wang, D., Su, Z., & Ziapour, A. (2021). The role of social media in the advent of COVID-19 pandemic: crisis management, mental health challenges and implications. Risk management and healthcare policy, 1917-1932.
• [7] Ferrara, E., Cresci, S., & Luceri, L. (2020). Misinformation, manipulation, and abuse on social media in the era of COVID-19. Journal of Computational Social Science, 3, 271-277.
• [8] Rahmayani, O., Ardi, S., & Nofrialdi, R. (2022). The Effect of Utilization of Social Media Instagrama Nanarfshop on Buying Interest of Fisipol Students University Ekasakti Padang. Journal of Law, Politic and Humanities, 2(2), 85-94.
• [9] Dubbelink, S. I., Herrando, C., & Constantinides, E. (2021). Social media marketing as a branding strategy in extraordinary times: Lessons from the COVID-19 pandemic. Sustainability, 13(18), 10310.
• [10] Pan, B., & Crotts, J. C. (2016). Theoretical models of social media, marketing implications, and future research directions. In Social Media in Travel, Tourism and Hospitality (pp. 73-86). Routledge.
• [11] LoBue, V., Matthews, K., Harvey, T., & Stark, S. L. (2014). What accounts for the rapid detection of threat? Evidence for an advantage in perceptual and behavioral responding from eye movements. Emotion, 14(4), 816.
• [12] Bessarab, A., Mitchuk, O., Baranetska, A., Kodatska, N., Kvasnytsia, O., & Mykytiv, G. (2021). Social Networks as a Phenomenon of the Information Society. Journal of Optimization in Industrial Engineering, 14(Special Issue), 17-24. doi: 10.22094/joie.2020.677811
• [13] Rost, M., Barkhuus, L., Cramer, H., & Brown, B. (2013, February). Representation and communication: Challenges in interpreting large social media datasets. In Proceedings of the 2013 conference on Computer supported cooperative work (pp. 357-362).
• [14] Goban-Klas, T. (2004). Media i komunikowanie masowe: Teorie i analizy prasy, radia, telewizji i Internetu. Wydawnictwo Naukowe PWN SA.
• [15] Kaznowski, D. (2008). Nowy marketing. VFP Communications.
• [16] Koczkodaj, W. W., Kowalczyk, A., Mazurek, M., Pedrycz, W., Redlarski, G., Rogalska E., Strzalka D., Szymanska A., Wilinski A., Xue, O. S. (2023). Peer assessment as a method for measuring harmful internet use. MethodsX, 11, 102249. doi:10.1016/j.mex.2023.102249
• [17] TEDx Talk - Bailey Parnell - Is Social Media Hurting Your Mental Health? [Video]. (n.d.). Retrieved from www.youtube.com/watch?v=Czg_9C7gw0o
• [18] Steers, M. L. N., Wickham, R. E., & Acitelli, L. K. (2014). Seeing everyone else’s highlight reels: How Facebook usage is linked to depressive symptoms. Journal of Social and Clinical Psychology, 33(8), 701-731.
• [19] Magdol, L., & Bessel, D. R. (2003). Social capital, social currency, and portable assets: The impact of residential mobility on exchanges of social support. Personal Relationships, 10(2), 149-170.
• [20] Jupowicz-Ginalska, A., Jasiewicz, J., Kisilowska, M., Baran, T., & Wysocki, A. (2018). FOMO. Polacy a lęk przed odłączeniem–raport z badań [FOMO. Poles and the Fear of Missing Out–A Research Report]. Warszawa: Wydział Dziennikarstwa Informacji i Bibliologii UW. [21] Vogels, E. A. (2021). The state of online harassment. Pew Research Center, 13, 625.
• [22] Solove, D. J. (2007). I’ve got nothing to hide and other misunderstandings of privacy. San Diego L. Rev., 44, 745.
• [23] Solove, D. J. (2011). Why privacy matters even if you have ‚nothing to hide’. Chronicle of Higher Education, 15.
• [24] Anthes, G. (2014). Data brokers are watching you.
• [25] Crain, M. (2018). The limits of transparency: Data brokers and commodification. New media & society, 20(1), 88-104.
• [26] Kadam, A. B., & Atre, S. R. (04 2020). Negative impact of social media panic during the COVID-19 outbreak in India. Journal of Travel Medicine, 27(3), taaa057. doi:10.1093/jtm/taaa057
• [27] Lelisho, M. E., Pandey, D., Alemu, B. D., Pandey, B. K., & Tareke, S. A. (2023). The Negative Impact of Social Media during COVID-19 Pandemic. Trends in Psychology, 31(1), 123–142. doi:10.1007/s43076-022-00192-5
• [28] Kilic, S. O. (2023). Turkey earthquake: The media did not hold the government to account. Middle East Eye. Retrieved from www.middleeasteye.net/opinion/turkey-earthquake-media-not-hold government-account
• [29] Northeastern University News. (2023, February 8). How social media played a crucial role during the Turkey earthquake. Retrieved from www.news.northeastern.edu/2023/02/08/social-media turkey-earthquake/
• [30] The Guardian. (2023, February 14). How misinformation hampered relief efforts during the Turkey-Syria earthquake. Retrieved from www.theguardian.com/commentisfree/2023/feb/14/turkeysyria-earthquake-misinformation-relief-efforts-turkey
• [31] Cox, S. R., & Atkinson, K. (2018). Social media and the supply chain: Improving risk detection, risk management, and disruption recovery. SAIS 2018 Proceedings, 8. Retrieved from www.aisel.aisnet.org/sais2018/8
• [32] Alexander, D. (2014). Social media in disaster risk reduction and crisis management. Science and Engineering Ethics, 20(3), 717-733.
• [33] Chen, X., Vorvoreanu, M., & Madhavan, K. (2014). Mining social media data for understanding students’ learning experiences. IEEE Transactions on learning technologies, 7(3), 246-259.
• [34] López-Vizcaíno, M. F., Nóvoa, F. J., Carneiro, V., & Cacheda, F. (2021). Early detection of cyberbullying on social media networks. Future Generation Computer Systems, 118, 219–229. doi:10.1016/j.future.2021.01.006
• [35] Wang, T., Wang, T., Cheng, G. Y., & Yue, Y. (2012). A model of Internet public opinion prewarning based on fuzzy comprehensive evaluation. J. Intell., 6, 47-52.
• [36] Cao, H. J., Li, M., & Hou, T. T. (2019). An empirical study of Internet public opinion early warning based on elders-related emergencies: Take the event of ‚elderly square dancers forcibly occupy the basketball court’ as an example. J. Chongqing Univ. Posts Telecommun. (Social Sci. Ed.), 1, 58-66.
• [37] Mazurek, J., Perzina, R., Strzałka, D., Kowal, B., & Kuraś, P. (2021). A numerical comparison of iterative algorithms for inconsistency reduction in pairwise comparisons. IEEE Access, 9, 62553-62561.
• [38] Koczkodaj, W. W. (1993). A new definition of consistency of pairwise comparisons. Mathematical and computer modelling, 18(7), 79-84.
• [39] Zhao, Q., & Pan, Y. T. (2020). Research on early warning of public opinion based on BP neural network. Statist. Appl., 9(2), 224-236.
• [40] RCB, Biuletyn analityczny Rządowego Centrum Bezpieczeństwa nr 32-33, Rządowe Centrum Bezpieczeństwa.
• [41] Council of Ministers of Poland, Rozporządzenie Rady Ministrów z dnia 7 grudnia 2018 r. w sprawie współpracy dyrektora Rządowego Centrum Bezpieczeństwa z operatorem ruchomej publicznej sieci telekomunikacyjnej w celu powiadamiania użytkowników końcowych o zagrożeniu.
• [42] RCB, Raport dobowy Rządowego Centrum Bezpieczeństwa, 09.06.2023.
• [43] Nestorenko T, Ostenda A., 2021, Selected aspects of digital society development, Katowice, Publishing House of University of Technology.