Laatste update: 21 mei 2014
Real Time Data
Social Media
Methode
Kavel / Blok
Buurt / Wijk
Stad / Regio
Land
Academisch / professioneel werk
Auteurs: Greencorn
Reviewer: Wouter Meys

Gerelateerde documenten

casussen

Parameters

Tweets

Search API

 

Bron: Twitter API > dev.twitter.com
 

Referenties

- E. Cohen. Toward a sociology of international tourism. Social research, 39(1):164{182, 1972.
 
- K. Gavric, D. Culibrk, P. Lugonja, M. Mirkovic, and V. Crnojevic. Detecting attractive locations and tourists' dynamics using geo-referenced images. In Telecommunication in Modern Satellite Cable and Broadcasting Services (TELSIKS), 2011 10th International Conference on, pages 208{211. IEEE, 2011.
 
- D. Hand, H. Mannila, and P. Smyth. Principles of data mining. The MIT press, 2001.
 
- L. Hollenstein and R. Purves. Exploring place through user-generated content: Using
ickr tags to describe city cores. Journal of Spatial Information Science, (1):21{48, 2012.
 
- B. Kaplan and J. Maxwell. Qualitative research methods for evaluating computer information systems. Evaluating the Organizational Impact of Healthcare Information Systems, pages 30{55, 2005.
 
- M. Kenteris, D. Gavalas, and D. Economou. An innovative mobile electronic tourist guide
application. Personal and ubiquitous computing, 13(2):103{118, 2009.
 
- C. Keler, P. Maue, J. Heuer, and T. Bartoschek. Bottom-up gazetteers: Learning from the implicit semantics of geotags. GeoSpatial Semantics, pages 83{102, 2009.
 
- A. Mislove, S. Lehmann, Y. Ahn, J. Onnela, and J. Rosenquist. Pulse of the nation: Us mood throughout the day inferred from twitter, 2010.
 
- M. Patton. Qualitative research and evaluation methods. Sage Publications, Inc, 2002.
 
- P. Serdyukov, V. Murdock, and R. Van Zwol. Placing Fickr photos on a map. In Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval, pages 484{491. ACM, 2009.
 
- S. Soliman and C. Wheatley. Geolocation technologies and applications for third generation wireless. Wireless Communications and Mobile Computing, 2(3):229{251, 2002.

Contacten

Wouter Meys, Greencorn
Maarten Groen, Greencorn
Twitter Analyse

Samenvatting

Aan de hand van social media analyses kan bepaald worden hoe mensen zich (realtime) gedragen in de stad. Twitter is bij uitstek een medium dat zich hiervoor leent vanwege het open karkater. Op dit moment zijn een aantal twittertools gemaakt die inzicht geven waar en wanneer mensen twitter gebruiken in de stad. Daarbij wordt gebruik gemaakt van geanonimiseerde gegevens.

Beschrijving

Twitterberichten kunnen relatief makkelijk worden opgehaald met behulp van specifieke zoekopdrachten. Aan een deel van de Twitter berichten is ook nog geografische informatie gekoppeld. Met deze informatie kan exact worden bepaald waar een bericht verstuurd is, wat een extra analyseslag mogelijk maakt. Op dit moment zijn een aantal tools die inzicht geven in waar en wanneer mensen Twitter gebruiken en wat men zegt in een bepaald gebied. 
 
Social media analyses bestaan uit de volgende stappen:
 1. Het verzamelen/ophalen van informatie
 2. Het analyseren en opschonen van deze data
 3. De visualisatie. 

Door deze analyses uit te voeren kan inzicht verkregen worden in het twittergedrag in een bepaald gebied. Zo kan er een overzicht worden gegenereerd van de hoeveelheid tweets die er in het gebied worden verstuurd, de exacte tijd en de locaties (geodata: x,y coordinaat) waar dit vaak gebeurt. Ook kan de inhoud van de tweets zelf worden geanalyseerd en kan er met deze methode inzicht worden gegenereerd over het taalgebruik of de manier waarop men over bepaalde onderwerpen praat.

Met al deze gegevens kunnen bewerkingen worden uitgevoerd, zoals track and trace (waar gaat iemand die ’s ochtends wakker wordt in Amsterdam West ’s middags naar toe en zijn daarin patronen te herkennen?) en (taalkundige) analyses van de inhoud van het bericht (bijvoorbeeld gesproken talen of onderliggende stemming van berichten).


afb 01 Twitteranalyse voor Amsterdam, www.greencorn.nl/waarishetdruk

De ontwikkeling van verschillende toepassingsmogelijkheden staat anno 2014 nog in de kinderschoenen. In dit artikel is voor Amsterdam binnen de ring een visualisatie gemaakt (www.greencorn.nl/waarishetdruk). Interessant is om te zien dat er bepaalde ruimtelijke patronen lijken te ontstaan. De onderzoekers hebben geconstateerd dat tweets vaak worden verstuurd tijdens het wachten, bijvoorbeeld bij de bushalte of de oversteekplaats bij het centraal station.

Bij het ontwikkelen van daadwerkelijke tools moet gedacht worden aan applicaties die alle tweets analyseerd op (mogelijke) arbeidsongevallen. De aard, de plek en het tijdstip zouden daarmee dan automatisch kunnen worden vastgelegd. Een andere interessante toepassing zou kunnen zijn de kwaliteit van een bepaalde dienstverlening te onderzoeken. Dit zou bijvoorbeeld kunnen door alle tweets die slecht over busdiensten praten uit te filteren, te bekijken waar deze tweets precies vandaan komen en de precieze aard van de klacht te onderzoeken.

Trefwoorden

tijdsbepaling, data, mood, analyse, hoeveelheid tweets, tweets, verplaatsingspatroon, greencorn, twitter, search, gedrag, stemming, sociale media, big data, social media, data analyse, twittertools, taalgebruik, geografische locatie, twittergedrag, geografisch, Twitter RSS, taalkundige analyses, user input, GET, geocode, plaatsbepaling, track and trace, API, applicaties, geanonimiseerde gegevens
Log in om een reactie te plaatsen ...