Simple Science

La science de pointe expliquée simplement

# Informatique# Réseaux sociaux et d'information# Calcul et langage# Ordinateurs et société

Examiner le rôle de Twitter dans le suivi des sans-abri

Cette étude analyse des données Twitter pour mesurer et comprendre les tendances du sans-abrisme.

― 10 min lire


Données Twitter etDonnées Twitter ettendances surl'itinérancesans-abrisme.comprendre les tendances duAnalyser les réseaux sociaux pour
Table des matières

Aux États-Unis, un pays riche, environ 600 000 personnes sont confrontées à l'itinérance chaque année. Ce problème est étroitement lié à la santé d'une personne. Sans un Logement stable, les individus ont du mal à accéder aux soins médicaux et aux services sanitaires. Cette situation augmente le stress et peut entraîner de graves problèmes de santé, ceux qui vivent dans la rue étant beaucoup plus susceptibles de mourir jeunes. L'espérance de vie moyenne pour une personne sans domicile est seulement de 48 ans.

Au cours des cinq dernières années, le nombre de personnes Sans-abri a recommencé à augmenter, après une période de baisse. Avec ces augmentations, il est crucial de trouver des moyens efficaces et durables d'aider ceux qui n'ont pas de toit. Pour s'attaquer à l'itinérance, nous avons besoin de données précises sur le nombre de personnes touchées et d'assurer une bonne allocation des ressources.

Pour suivre l'itinérance, des agences comme le Département du Logement et du Développement Urbain ont essayé diverses méthodes pour compter ceux qui n'ont pas de logement. Une méthode est le comptage Point in Time (PiT), qui a lieu chaque année. Des bénévoles aident les bureaux locaux à rassembler des données sur l'itinérance dans un laps de temps spécifique. Bien que cette méthode vise à fournir des statistiques claires, elle a été critiquée pour son manque de cohérence, ce qui rend difficile l'analyse des tendances de manière efficace.

En raison de ces lacunes, beaucoup appellent à de meilleures méthodes pour estimer le nombre de personnes sans-abri. Une solution possible serait d'utiliser les données des réseaux sociaux, spécifiquement Twitter, pour suivre les changements au fil du temps. Twitter peut refléter des discussions en temps réel sur l'itinérance, ce qui pourrait offrir des informations précieuses.

Recherche sur les Médias Sociaux et l'Itinérance

Des études récentes ont examiné comment les médias sociaux sont liés à l'itinérance. Une étude a analysé des publications sur Tumblr utilisant des hashtags comme "homeless" et "homelessshelter." En analysant le langage utilisé dans ces publications, les chercheurs ont découvert que ceux qui étaient sans-abri exprimaient plus d'émotions négatives et d'expériences personnelles. En revanche, les utilisateurs non sans-abri partageaient souvent des pensées plus générales sur l'aide.

Une autre étude s'est concentrée sur un compte Twitter appelé @WeAreVisible, qui visait à amplifier les voix de ceux qui sont sans-abri. Les chercheurs ont trouvé différents rôles parmi les utilisateurs interagissant avec ce compte. La plupart des utilisateurs du réseau n'étaient pas eux-mêmes sans-abri, indiquant un fossé entre les voix de ceux qui vivent l'itinérance et le large public essayant de les défendre.

En examinant les tendances d'utilisation de Twitter, les chercheurs ont découvert que les Tweets liés à l'itinérance changent en fonction de l'état et de ses conditions. Certaines études récentes ont lié le contenu des tweets à des mesures de santé publique, suggérant que Twitter pourrait servir d'outil temps réel pour surveiller des problèmes sociétaux, comme la propagation de maladies.

Dans notre étude, nous voulions analyser les données Twitter pour voir si cela pouvait nous aider à mesurer l'itinérance. Nous avons rassemblé des tweets mentionnant le mot “homeless” de mars 2010 à décembre 2022 aux États-Unis. En utilisant l'API Twitter, nous avons accédé à diverses informations sur ces tweets, comme quand ils ont été postés, leur contenu et l'endroit d'où ils ont été envoyés.

Dans l'ensemble, nous avons collecté plus de 900 000 tweets contenant le mot “homeless.” En regardant ces données, nous espérions voir s'il y avait une corrélation entre le volume d'activité sur Twitter et les taux d'itinérance dans différents états.

Comprendre les Données

Nous devions aussi comparer les données Twitter avec les estimations officielles de l'itinérance. Nous avons obtenu des données de diverses sources, y compris les estimations Point in Time rapportées par le gouvernement. Ces données offrent un aperçu des individus sans-abri chaque année, mais elles sont limitées à une période de 24 heures.

Nous nous sommes spécifiquement concentrés sur le nombre total de personnes sans-abri, qui inclut à la fois celles qui ont un abri et celles qui n'en ont pas. Nous avons émis l'hypothèse que le nombre de tweets sur l'itinérance serait lié aux taux d'itinérance réels, surtout pour ceux qui n'ont pas d'abri.

Pour analyser les données, nous les avons divisées en fonction des populations des États et de la densité de l'itinérance par mile carré. Nous avons examiné la relation entre le volume des tweets, le sentiment et le nombre total d'itinérants. Nous nous sommes concentrés sur les comptes bruts et avons comparé les changements au fil du temps pour voir s'ils révélaient des tendances.

Résultats sur l'Itinérance et le Volume de Tweets

Nous avons constaté que les chiffres de l'itinérance ont augmenté depuis 2017, entraînant une augmentation des tweets sur le sujet. Les données montraient qu'environ 75 % des États avaient de faibles taux d'itinérance par habitant. Cependant, certains États connaissaient toujours des taux élevés d'itinérance.

En essayant de relier la densité de l'itinérance et le volume de tweets, notre analyse a montré une corrélation significative. Cela signifie qu'à mesure que les taux d'itinérance augmentaient, le nombre de tweets sur l'itinérance augmentait également, surtout dans les États avec une population plus élevée de personnes vivant l'itinérance.

Fait intéressant, nous avons remarqué différentes tendances dans diverses régions des États-Unis. Les États du Sud comme la Louisiane et la Floride affichaient une corrélation négative, ce qui signifie qu'à mesure que l'itinérance diminuait, l'activité Twitter liée à l'itinérance diminuait également. En revanche, des États du Nord-Est, comme New York et le Massachusetts, avaient de plus fortes corrélations positives.

Ces différences montrent que le contexte de chaque État joue un rôle significatif dans la façon dont les utilisateurs de Twitter réagissent à l'itinérance. Par exemple, dans un État densément peuplé comme la Californie, un petit changement dans l'itinérance pourrait passer inaperçu par rapport à un plus petit État comme le Massachusetts, où la densité de population rend les changements plus visibles.

Analyse des Tendances au Fil du Temps

Nous avons également examiné les changements dans le sentiment des tweets au fil des ans. L'analyse de sentiment mesure si le langage utilisé dans les tweets est généralement positif ou négatif. Les données ont montré que bien que les taux d'itinérance globaux augmentaient, le sentiment des tweets contenant le mot "homeless" s'améliorait également avec le temps.

Cette tendance soulève des questions sur pourquoi les gens exprimaient un sentiment plus positif, même alors que l'itinérance augmentait. Une théorie est qu'une visibilité accrue et de la sympathie envers les sans-abri pourraient favoriser une attitude plus solidaire sur les réseaux sociaux.

Cependant, il est important de noter que les événements nationaux et la couverture médiatique peuvent influencer la fréquence à laquelle les gens parlent de l'itinérance sur Twitter. Par exemple, des changements significatifs dans les tendances de l'itinérance pourraient générer davantage de discussions en ligne et un changement de sentiment.

De plus, nous avons trouvé que les États avec des taux élevés d'itinérance affichaient certains mots en tendance dans leur contenu Twitter, comme “housing” et “crisis.” Ces mots indiquent une sensibilisation et un dialogue publics croissants sur l'itinérance et ses défis connexes.

Comportement des Utilisateurs et Types de Comptes

Dans notre étude, nous avons examiné qui tweetait sur l'itinérance. Nous avons catégorisé les comptes en deux types : utilisateurs individuels et organisations ou entités. Nous avons découvert que dans les États avec des taux élevés d'itinérance, il y avait plus de comptes multi-publications, ce qui signifie que les utilisateurs engagés étaient plus susceptibles de tweeter plusieurs fois sur le sujet.

Cela suggère que les problèmes liés à l'itinérance résonnent plus profondément avec les gens qui vivent dans des zones où il y a un plus grand nombre de personnes confrontées à ce problème. De plus, les organisations contribuent souvent à la conversation en partageant des informations et des ressources, tandis que les individus pourraient partager des expériences ou des opinions personnelles.

Dans les États à faible densité, les tweets provenaient principalement d'individus qui postaient seulement une fois sur l'itinérance. Cela indique que dans les zones avec moins de sans-abri, il peut y avoir moins d'engagement continu avec le problème. La différence de type d'utilisateur souligne comment des facteurs locaux façonnent la conversation sur l'itinérance sur Twitter.

Dans les États où le sentiment positif prévalait, les comptes à publication unique étaient plus courants. Cela diffère des États à sentiment négatif, où les entités jouaient un rôle plus important dans les discussions. Cela met en lumière la relation complexe entre les expériences individuelles, le sentiment public et le rôle des organisations dans la formation de la conversation sur l'itinérance.

Limitations et Directions Futures

Malgré ces résultats, certaines limitations existent au sein de l'étude. Tout d'abord, le Point in Time Annual Count peut ne pas capturer l'ensemble du tableau de l'itinérance, car il repose sur une seule nuit d'observations. De plus, les méthodes de collecte de données varient entre les différents États, ce qui signifie que les résultats peuvent ne pas être directement comparables.

L'utilisation des données Twitter soulève également des questions sur leur représentativité. Seule une partie des utilisateurs de Twitter géolocalise ses tweets, ce qui pourrait introduire des biais. De plus, les tweets sur l'itinérance pourraient ne pas refléter avec précision le sentiment public s'ils sont influencés par des campagnes politiques ou des agendas spécifiques.

Nous n'avons pas non plus tenu compte de l'impact des bots ou des comptes automatisés sur le volume de tweets, ce qui pourrait déformer nos résultats. Les recherches futures devraient considérer comment filtrer ces influences pour mieux comprendre le sentiment et l'engagement humains réels sur ce sujet.

Enfin, bien que l'étude ait pu établir des liens entre le volume de tweets et les taux d'itinérance, il est essentiel de reconnaître qu'il s'agit uniquement de corrélations. Des études plus approfondies sont nécessaires pour explorer les mécanismes qui sous-tendent ces relations, comme l'impact des événements locaux ou de la couverture médiatique.

Conclusion

En résumé, notre recherche met en lumière le potentiel d'utiliser les médias sociaux, en particulier Twitter, pour comprendre et estimer les taux d'itinérance. Les connexions entre le volume de tweets, le sentiment et les données officielles sur l'itinérance révèlent un paysage complexe qui peut aider à informer les efforts de plaidoyer.

En obtenant des informations sur comment les conditions locales influencent la conversation et la sensibilisation autour de l'itinérance, les parties prenantes peuvent mieux adapter leurs approches pour répondre aux besoins de ceux qui sont touchés. Alors que l'itinérance reste un problème pressant aux États-Unis, l'exploration continue du discours public sur les réseaux sociaux pourrait ouvrir de nouvelles avenues pour des solutions efficaces et un soutien aux personnes confrontées à ces défis.

Source originale

Titre: An assessment of measuring local levels of homelessness through proxy social media signals

Résumé: Recent studies suggest social media activity can function as a proxy for measures of state-level public health, detectable through natural language processing. We present results of our efforts to apply this approach to estimate homelessness at the state level throughout the US during the period 2010-2019 and 2022 using a dataset of roughly 1 million geotagged tweets containing the substring ``homeless.'' Correlations between homelessness-related tweet counts and ranked per capita homelessness volume, but not general-population densities, suggest a relationship between the likelihood of Twitter users to personally encounter or observe homelessness in their everyday lives and their likelihood to communicate about it online. An increase to the log-odds of ``homeless'' appearing in an English-language tweet, as well as an acceleration in the increase in average tweet sentiment, suggest that tweets about homelessness are also affected by trends at the nation-scale. Additionally, changes to the lexical content of tweets over time suggest that reversals to the polarity of national or state-level trends may be detectable through an increase in political or service-sector language over the semantics of charity or direct appeals. An analysis of user account type also revealed changes to Twitter-use patterns by accounts authored by individuals versus entities that may provide an additional signal to confirm changes to homelessness density in a given jurisdiction. While a computational approach to social media analysis may provide a low-cost, real-time dataset rich with information about nationwide and localized impacts of homelessness and homelessness policy, we find that practical issues abound, limiting the potential of social media as a proxy to complement other measures of homelessness.

Auteurs: Yoshi Meke Bird, Sarah E. Grobe, Michael V. Arnold, Sean P. Rogers, Mikaela I. Fudolig, Julia Witte Zimmerman, Christopher M. Danforth, Peter Sheridan Dodds

Dernière mise à jour: 2023-05-15 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2305.08978

Source PDF: https://arxiv.org/pdf/2305.08978

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires