FOSSGIS
<p>Dieser Beitrag beschäftigt sich damit, die Analyse von Social Media Daten als eine Art „Human Sensor“ in einem Sensor Observation Service (SOS) bereitzustellen.</p><p>Hintergrund sind die Möglichkeit und das Potential, welche die Analyse von Social Media Daten aus den unterschiedlichen Netzwerken, wie Twitter, Facebook, Flickr oder Youtube bieten. Vor allem im Bereich der Marketinganalyse und des Katastrophenmanagements ist dies ein immer häufiger genutztes Werkzeug. Die Relevanz des Raumbezugs bei Social Media zeigt der Prototyp einer Arbeit, welcher die Ergebnisse einer gefilterten Twitter-Suche ĂĽber einfache kartographische Darstellungsformen räumlich visualisiert (<a href="http://tweetmap.fh-mainz.de" target="_blank">http://tweetmap.fh-mainz.de</a>). Durch den Einsatz von Natural Language Processing (NLP), z.B. bei der Sentimental Analyse, können Social Media Daten hinsichtlich des Inhaltes untersucht werden. Aus diesen Untersuchungen lassen sich detailliertere Informationen, ähnlich zu physikalisch gemessenen Phänomenen, gewinnen. Dadurch lassen sich Social Media Daten zu einem Human Sensor wandeln. Unter Human Sensors versteht man ein Messmodell, in dem Menschen neben physikalischen Messungen, wie z.B durch Fitnessarmbänder, auch subjektive „Messungen“ wie SinneseindrĂĽcke, Empfindungen oder persönliche Beobachtungen beitragen (vgl. Resch et al. [1]).</p><p>Die Nutzung von Social Media basierten Human Sensors gewinnt zudem an Bedeutung, wenn diese Daten in den Zusammenhang mit anderen Datenquellen, wie z.B. Umweltinformationen, gesetzt werden können. Eine Herausforderung dieser ZusammenfĂĽhrung ist die Interoperabilität zwischen den Daten. Diese kann durch den Einsatz von Standards erreicht werden.</p><p>Der hier vorgestellte Ansatz basiert auf dem Sensor Observation Service (SOS) aus dem Bereich des Sensor Web Enablements (SWE). Die Kombination der oben genannten Bereiche (Raum/Zeit, NLP, Human Sensor) ergibt hierfĂĽr eine Sensordatenquelle in einem SOS-Netzwerk. In diesem Netzwerk können die so verwalteten Informationen mit anderen räumlichen Sensordaten kombiniert werden.</p><p>Der Beitrag fokussiert dabei die Konzeption und Entwicklung des Systems FlexSensor, welches die Möglichkeit bietet, Daten aus Social Media Netzwerken (zunächst beispielhaft mit Twitter) und deren Analyse (NLP), als Beobachtungen in einem Sensornetzwerk als SOS zur VerfĂĽgung zu stellen. Zudem werden Ansätze gezeigt, die gesammelten Daten räumlich und zeitlich zu visualisieren.</p><p>[1] Resch, Bernd; Mittlböck, Manfred; Kranzer, Simon; Sagl, GĂĽnther; Heistracher, Thomas; Blaschke, Thomas: „People as Sensors“ mittels personaliserten Geo-Trackings, Angewandte Geoinformatik 2011, p. 683, 2011.</p>
