Identificación de actores en un desastre a través de Twitter: Caso de estudio SINABUNG 2018

Palabras clave: Twitter, Gestión de Desastres, Análisis de Redes Sociales

Resumen

Twitter se ha convertido en una herramienta importante para conocer en tiempo real lo que sucede en el mundo político, social y económico. Esta plataforma es cada vez más atractiva como medio de comunicación para diferentes tipos de eventos, puede ser usada en procesos de operaciones logísticas y humanitarias mejorando la comunicación entre los actores involucrados en una situación de un desastre natural. El enfoque de Análisis de Redes Sociales ARS se usó para datos generados en la red social Twitter para un evento de desastre natural, analizando tres actores importantes, los usuarios, hashtags y URLs. En el presente trabajo se presenta una metodología ARS implementada en un caso de estudio de desastre (erupción del volcán Sinabung en 2018). A partir de los análisis se identificaron usuarios, temas y fuentes de información relevantes durante la ocurrencia del desastre. Los análisis ofrecen una vista general de las interacciones e impacto de los elementos más influyentes durante el evento bajo estudio, teniendo una importancia destacada los equipos de noticia, redes sociales y centros de investigación. Los hallazgos del estudio son comparados con un estudio anterior, encontrando similitudes en la mayoría de estos, sin embargo, en nuestro estudio se identificó nuevos actores del ámbito técnico académico que buscan contribuir y difundir información relevante del evento disruptivo.

Biografía del autor/a

Daniel Orlando Martínez Quezada, Universidad Autónoma de Bucaramanga

Daniel Martínez MSc. en Ingeniería Industrial en 2017 e Ingeniero Industrial en 2014, ambos de la Universidad Industrial de Santander, Colombia. Docente cátedra, afiliado al Grupo de Investigación en Optimización y Organización de Sistemas Productivos y Logísticos OPALO, adscrito a la Escuela de Estudios Industriales y Empresariales de la Universidad Industrial de Santander, Colombia. Docente tiempo completo de la Universidad Autónoma de Bucaramanga,  afiliado al programa de ingeniería de mercados, también coordinador de la Especialización en Gestión Logística Integral.

Robinson Ortiz Sierra, Universidad Industrial de Santander

Ingeniero Industrial, Facultad de Ingeniería Fisicomecánicas Universidad Industrial de Santander, Bucaramanga, Colombia

Juan Guillermo Martínez Cano, Universidad Industrial de Santander

Ingeniero Industrial, Facultad de Ingeniería Fisicomecánicas Universidad Industrial de Santander, Bucaramanga, Colombia

Henry Lamos Díaz, Universidad Industrial de Santander

PhD Físico-Matemática, Profesor Asociado, Investigador grupo OPALO, Facultad de Ingeniería Fisicomecánicas Universidad Industrial de Santander, Bucaramanga, Colombia

Descargas

Los datos de descargas todavía no están disponibles.

Disciplinas:

Inteligencia artificial

Lenguajes:

Español

Agencias de apoyo:

Universidad Industrial de Santander, Universidad Autónoma de Bucaramanga

Derechos:

UMNG

Tipo:

texto

Biografía del autor/a

Daniel Orlando Martínez Quezada, Universidad Autónoma de Bucaramanga

Daniel Martínez MSc. en Ingeniería Industrial en 2017 e Ingeniero Industrial en 2014, ambos de la Universidad Industrial de Santander, Colombia. Docente cátedra, afiliado al Grupo de Investigación en Optimización y Organización de Sistemas Productivos y Logísticos OPALO, adscrito a la Escuela de Estudios Industriales y Empresariales de la Universidad Industrial de Santander, Colombia. Docente tiempo completo de la Universidad Autónoma de Bucaramanga,  afiliado al programa de ingeniería de mercados, también coordinador de la Especialización en Gestión Logística Integral.

Robinson Ortiz Sierra, Universidad Industrial de Santander

Ingeniero Industrial, Facultad de Ingeniería Fisicomecánicas Universidad Industrial de Santander, Bucaramanga, Colombia

Juan Guillermo Martínez Cano, Universidad Industrial de Santander

Ingeniero Industrial, Facultad de Ingeniería Fisicomecánicas Universidad Industrial de Santander, Bucaramanga, Colombia

Henry Lamos Díaz, Universidad Industrial de Santander

PhD Físico-Matemática, Profesor Asociado, Investigador grupo OPALO, Facultad de Ingeniería Fisicomecánicas Universidad Industrial de Santander, Bucaramanga, Colombia

Referencias bibliográficas

Holguín-Veras, J., Jaller, M., Van Wassenhove, L. N., Pérez, N., & Wachtendorf, T. (2012). On the unique features of post-disaster humanitarian logistics. Journal of Operations Management, 30(7–8), 494–506. https://doi.org/10.1016/J.JOM.2012.08.003

Rodríguez, H., Díaz, W., Santos, J. M., & Aguirre, B. E. (2007). Communicating Risk and Uncertainty: Science, Technology, and Disasters at the Crossroads (pp. 476–488). Springer, New York, NY. https://doi.org/10.1007/978-0-387-32353-4_29.

Landwehr, P. M., & Carley, K. M. (2014). Social Media in Disaster Relief. Springer, Berlin, Heidelberg.

https://doi.org/10.1007/978-3-642-40837-3_7

Gao, H., Barbier, G., Goolsby, R., & Zeng, D. (2011). Harnessing the Crowdsourcing Power of Social Media for Disaster Relief. Retrieved from https://apps.dtic.mil/docs/citations/ADA581803

Keim, M. E., & Noji, E. (2011). Emergent use of social media: a new age of opportunity for disaster resilience. American Journal of Disaster Medicine, 6(1), 47–54. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/21466029

Feldman, D., Contreras, S., Karlin, B., Basolo, V., Matthew, R., Sanders, B., … Luke, A. (2016). Communicating flood risk: Looking back and forward at traditional and social media outlets. International Journal of Disaster Risk Reduction, 15, 43–51. https://doi.org/10.1016/J.IJDRR.2015.12.004

Liu, B. F., Fraustino, J. D., & Jin, Y. (2015). How Disaster Information Form, Source, Type, and Prior Disaster Exposure Affect Public Outcomes: Jumping on the Social Media Bandwagon? Journal of Applied Communication Research, 43(1), 44–65. https://doi.org/10.1080/00909882.2014.982685

Takahashi, B., Tandoc, E. C., & Carmichael, C. (2015). Communicating on Twitter during a disaster: An analysis of tweets during Typhoon Haiyan in the Philippines. Computers in Human Behavior, 50, 392–398. https://doi.org/10.1016/J.CHB.2015.04.020

Scott, J., & Carrington, P. J. (2011). The SAGE handbook of social network analysis. SAGE publications.

Smith, M. A., Rainie, L., Shneiderman, B., & Himelboim, I. (2014). Mapping Twitter topic networks: From polarized crowds to community clusters. Pew Research Center, 20, 1–56.

Oliveira, M., & Gama, J. (2012). An overview of social network analysis. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2(2), 99–115. https://doi.org/10.1002/widm.1048

Wasserman, S., & Faust, K. (1994). Social network analysis : methods and applications.

Knoke, D., & Yang, S. (2008). Social network analysis (Vol. 154). Sage.

Cómo citar
Martínez Quezada, D. O., Ortiz Sierra, R., Martínez Cano, J. G., & Lamos Díaz, H. (2019). Identificación de actores en un desastre a través de Twitter: Caso de estudio SINABUNG 2018. Ciencia E Ingeniería Neogranadina, 30(1), 117–132. https://doi.org/10.18359/rcin.3938
Publicado
2019-11-12
Sección
Artículos

Métricas

QR Code