Topic modeling for infrastructure-related discussions in online social media
Notice bibliographique
Résumé
Decision making for construction of modern civil infrastructure not only involves internal stakeholders, but also aims to include interests of as many external stakeholders as possible. In mega-projects, complexity and diversity of stakeholders call for more advanced communication tools and channels. Extensive prevalence of social web as a two-way communication channel during the last decade has caused a paradigm shift in communication among the e-society, and this has attracted the attention of decision makers in the domain of urban infrastructure among other domains. Although having a wide public outreach, the open and unstructured nature of inputs from the e-society results in chaos and makes it difficult to distil knowledge from the contents communicated by the public. This paper presents tools from topic modeling to process such an unstructured data collected from online social media into information which can be plugged into the process of decision making. We use k-means clustering to cluster followers of an infrastructure project on micro-blogging website Twitter based on semantic similarity among their user profile descriptions. This helps profiling the main groups of followers of the infrastructure project and can provide decision makers with valuable hints regarding typology of external stakeholders. We also extend our analysis to project-related tweets through Latent Semantic Indexing, and find the main topics discussed. The latter guide help decision makers understand the public’s major vested interests in the project. We have applied the proposed method to a Light Rail Transit (LRT) mega-project in Toronto, Ontario and have discussed the results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».