Simple Science

Scienza all'avanguardia spiegata semplicemente

# Informatica# Reti sociali e informative# Calcolo e linguaggio# Computer e società

Esaminando il ruolo di Twitter nel monitorare la homelessness

Questo studio analizza i dati di Twitter per misurare e capire le tendenze della senza fissa dimora.

― 9 leggere min


Dati di Twitter eDati di Twitter etendenze sullahomelessnessmodelli della senza fissa dimora.Analizzando i social media per capire i
Indice

Negli Stati Uniti, un paese ricco, circa 600.000 persone affrontano la mancanza di un tetto ogni anno. Questo problema è profondamente legato alla salute di una persona. Senza una Casa stabile, le persone faticano ad accedere a cure mediche e servizi igienici. Questa situazione aumenta lo stress e può portare a seri problemi di salute, con chi vive in strada che ha molte più probabilità di morire giovane. L'aspettativa di vita media per chi è senza fissa dimora è solo di 48 anni.

Negli ultimi cinque anni, il numero di persone senza casa è aumentato di nuovo, dopo un periodo in cui i numeri stavano diminuendo. Con questi aumenti, è fondamentale trovare modi efficaci e sostenibili per aiutare chi non ha una casa. Per affrontare la questione della mancanza di alloggio, abbiamo bisogno di dati accurati su quante persone sono colpite e garantire che le risorse siano allocate correttamente.

Per tenere traccia della mancanza di alloggio, agenzie come il Dipartimento della Casa e dello Sviluppo Urbano hanno provato vari metodi per contare quelli senza casa. Un metodo è il conteggio "Point in Time" (PiT), che avviene annualmente. I volontari aiutano gli uffici locali a raccogliere dati sui senza fissa dimora in un arco temporale specifico. Anche se questo metodo mira a fornire statistiche chiare, ha ricevuto critiche per la sua mancanza di coerenza, e questo rende difficile analizzare i trend in modo efficace.

A causa di queste carenze, molti chiedono metodi migliori per stimare quante persone siano senza casa. Una possibile soluzione è usare i dati dei social media, in particolare Twitter, per monitorare i cambiamenti nel tempo. Twitter può riflettere le discussioni in tempo reale sulla mancanza di alloggio, che possono offrire spunti preziosi.

Ricerca sui Social Media e la Mancanza di Alloggio

Studi recenti hanno esaminato come i social media siano collegati alla mancanza di alloggio. Uno studio ha analizzato post su Tumblr che usavano hashtag come "homeless" e "homelessshelter." Analizzando il linguaggio usato in questi post, i ricercatori hanno scoperto che chi era senza fissa dimora esprimeva più emozioni negative ed esperienze personali. Al contrario, gli utenti non senza casa condividevano spesso pensieri più generali sull’aiuto.

Un altro studio si è concentrato su un account Twitter chiamato @WeAreVisible, che mirava ad amplificare le voci di chi è senza casa. I ricercatori hanno trovato ruoli diversi tra gli utenti che interagivano con questo account. La maggior parte degli utenti nella rete non era senza casa, indicando un divario tra le voci di chi vive in strada e l'audience più ampia che cerca di difenderli.

Guardando ai modelli nell'uso di Twitter, i ricercatori hanno trovato che i tweet relativi alla mancanza di alloggio cambiavano a seconda dello stato e delle sue condizioni. Alcuni studi recenti hanno collegato il contenuto dei tweet a misure di salute pubblica, suggerendo che Twitter potrebbe fungere da strumento in tempo reale per monitorare questioni sociali, come la diffusione di malattie.

Nel nostro studio, volevamo analizzare i dati di Twitter per vedere se potessero aiutarci a misurare la mancanza di alloggio. Abbiamo raccolto tweet che menzionavano la parola "homeless" dal marzo 2010 a dicembre 2022 negli Stati Uniti. Utilizzando l'API di Twitter, abbiamo accesso a varie informazioni su quei tweet, come quando sono stati pubblicati, il loro contenuto e la località da cui sono stati inviati.

In totale, abbiamo raccolto oltre 900.000 tweet che includevano la parola "homeless." Guardando a questi dati, speravamo di vedere se ci fosse una correlazione tra il volume di attività su Twitter e i tassi di mancanza di alloggio nei vari stati.

Comprendere i Dati

Dovevamo anche confrontare i dati di Twitter con le stime ufficiali sulla mancanza di alloggio. Abbiamo ottenuto dati da varie fonti, tra cui le stime del Point in Time riportate dal governo. Questi dati forniscono una panoramica delle persone senza fissa dimora ogni anno, ma sono limitati a un singolo periodo di 24 ore.

Ci siamo concentrati specificamente sul conteggio totale delle persone senza casa, che include sia chi ha un riparo che chi non ce l'ha. Abbiamo ipotizzato che il numero di tweet sulla mancanza di alloggio sarebbe stato legato ai reali tassi di mancanza di alloggio, specialmente per chi è senza riparo.

Per analizzare i dati, li abbiamo divisi in base alla popolazione degli stati e alla densità di mancanza di alloggio per miglio quadrato. Abbiamo esaminato la relazione tra il volume dei tweet, il sentiment e i conteggi complessivi della mancanza di alloggio. Ci siamo concentrati sui conteggi grezzi e abbiamo confrontato i cambiamenti nel tempo per vedere se rivelassero schemi.

Risultati sulla Mancanza di Alloggio e Volume dei Tweet

Abbiamo trovato che i numeri della mancanza di alloggio sono aumentati dal 2017, portando a un aumento dei tweet sull'argomento. I dati hanno mostrato che circa il 75% degli stati aveva tassi di mancanza di alloggio pro capite bassi. Tuttavia, alcuni stati hanno comunque sperimentato alti tassi di mancanza di alloggio.

Quando abbiamo cercato di collegare la densità di mancanza di alloggio e il volume dei tweet, la nostra analisi ha mostrato una correlazione significativa. Questo significa che, man mano che i tassi di mancanza di alloggio aumentavano, aumentava anche il numero di tweet sulla mancanza di alloggio, specialmente negli stati con una popolazione più alta di persone senza fissa dimora.

Interessantemente, abbiamo notato schemi diversi in varie regioni degli Stati Uniti. Gli stati meridionali come Louisiana e Florida hanno mostrato una correlazione negativa, il che significa che, man mano che la mancanza di alloggio diminuiva, anche l'attività su Twitter relativa alla mancanza di alloggio diminuiva. Al contrario, gli stati nel Northeast, come New York e Massachusetts, avevano correlazioni positive più forti.

Queste differenze mostrano che il contesto di ogni stato gioca un ruolo significativo nel modo in cui gli utenti di Twitter rispondono alla mancanza di alloggio. Ad esempio, in uno stato densamente popolato come la California, un piccolo cambiamento nella mancanza di alloggio potrebbe passare inosservato rispetto a uno stato più piccolo come il Massachusetts, dove la densità della popolazione rende i cambiamenti più visibili.

Analizzare i Trend nel Tempo

Abbiamo anche esaminato i cambiamenti nel sentiment dei tweet nel corso degli anni. L'analisi del sentiment misura se il linguaggio utilizzato nei tweet è generalmente positivo o negativo. I dati hanno mostrato che, mentre i tassi complessivi di mancanza di alloggio aumentavano, il sentiment dei tweet contenenti la parola "homeless" è migliorato nel tempo.

Questa tendenza solleva domande sul perché le persone esprimessero un sentiment più positivo, anche mentre la mancanza di alloggio aumentava. Una teoria è che una maggiore visibilità e simpatia verso i senza tetto potrebbero favorire un atteggiamento più di supporto sui social media.

Tuttavia, è importante notare che eventi nazionali e la copertura mediatica possono influenzare quanto spesso le persone parlano di mancanza di alloggio su Twitter. Ad esempio, cambiamenti significativi nelle tendenze della mancanza di alloggio potrebbero generare più discussioni online e un cambiamento nel sentiment.

Inoltre, abbiamo trovato che gli stati con alti tassi di mancanza di alloggio mostravano alcune parole di tendenza nei loro contenuti Twitter, come “housing” e “Crisi.” Queste parole indicano una crescente consapevolezza pubblica e dialogo sulla mancanza di alloggio e le sue sfide correlate.

Comportamento degli Utenti e Tipi di Account

Nel nostro studio, abbiamo esaminato chi stava twittando sulla mancanza di alloggio. Abbiamo categorizzato gli account in due tipi: utenti individuali e organizzazioni o entità. Abbiamo trovato che negli stati con alti tassi di mancanza di alloggio, c'erano più account multi-post, il che significa che gli utenti impegnati erano più propensi a twittare più volte sul problema.

Questo suggerisce che le questioni legate alla mancanza di alloggio risuonano più profondamente con le persone che vivono in aree con un numero maggiore di persone che la affrontano. Inoltre, le organizzazioni spesso contribuiscono alla conversazione condividendo informazioni e risorse, mentre gli individui potrebbero condividere esperienze personali o opinioni.

Negli stati a bassa densità, i tweet erano principalmente di singoli utenti che postavano solo una volta sulla mancanza di alloggio. Questo indica che in aree con meno persone senza casa, potrebbe esserci meno coinvolgimento continuo con il problema. La differenza nel tipo di utente sottolinea come i fattori locali plasmino la conversazione sulla mancanza di alloggio su Twitter.

Negli stati dove il sentiment positivo prevaleva, gli account a singolo post erano più comuni. Questo differisce dagli stati con sentiment negativo, dove le entità hanno avuto un ruolo più grande nelle discussioni. Questo punta a una relazione complessa tra esperienze individuali, sentiment pubblico e il ruolo delle organizzazioni nel plasmare la conversazione sulla mancanza di alloggio.

Limitazioni e Direzioni Future

Nonostante questi risultati, ci sono alcune limitazioni nello studio. Prima di tutto, il Conteggio Annuale Point in Time potrebbe non catturare l'intero quadro della mancanza di alloggio, poiché si basa su una sola notte di osservazioni. Inoltre, i metodi di raccolta dei dati variano tra i vari stati, il che significa che i risultati potrebbero non essere direttamente comparabili.

L'uso dei dati di Twitter solleva anche domande sulla loro rappresentatività. Solo una parte degli utenti di Twitter geotagga i propri tweet, il che potrebbe introdurre dei bias. Inoltre, i tweet sulla mancanza di alloggio potrebbero non riflettere accuratamente il sentiment pubblico se influenzati da campagne politiche o agende specifiche.

Non abbiamo nemmeno tenuto conto dell'impatto dei bot o degli account automatizzati sul volume dei tweet, il che potrebbe distorcere i nostri risultati. La ricerca futura dovrebbe considerare come filtrare queste influenze per comprendere meglio il sentiment umano genuino e il coinvolgimento su questo tema.

Infine, mentre lo studio è riuscito a stabilire connessioni tra il volume dei tweet e i tassi di mancanza di alloggio, è essenziale riconoscere che queste sono solo correlazioni. Sono necessari studi più approfonditi per esplorare i meccanismi che guidano queste relazioni, come l'impatto di eventi locali o della copertura mediatica.

Conclusione

In sintesi, la nostra ricerca evidenzia il potenziale di utilizzare i social media, in particolare Twitter, per comprendere e stimare i tassi di mancanza di alloggio. Le connessioni tra il volume dei tweet, il sentiment e i dati ufficiali sulla mancanza di alloggio rivelano un panorama complesso che può aiutare a informare le iniziative di advocacy.

Acquisendo informazioni su come le condizioni locali influenzano la conversazione e la consapevolezza sulla mancanza di alloggio, i portatori di interesse possono adattare meglio i loro approcci per soddisfare le esigenze di chi è colpito. Poiché la mancanza di alloggio rimane un problema urgente negli Stati Uniti, l'esplorazione continua del discorso pubblico sui social media potrebbe aprire nuove strade per soluzioni efficaci e supporto per le persone che affrontano queste sfide.

Fonte originale

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

Estratto: 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.

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

Ultimo aggiornamento: 2023-05-15 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2305.08978

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

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

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili