Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Twitter data" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Survival analysis on data streams: Analyzing temporal events in dynamically changing environments
    Autorzy:
    Shaker, A.
    Hüllermeier, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/331440.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    data stream
    survival analysis
    event history analysis
    earthquake data
    Twitter data
    strumień danych
    analiza przeżycia
    Opis:
    In this paper, we introduce a method for survival analysis on data streams. Survival analysis (also known as event history analysis) is an established statistical method for the study of temporal “events” or, more specifically, questions regarding the temporal distribution of the occurrence of events and their dependence on covariates of the data sources. To make this method applicable in the setting of data streams, we propose an adaptive variant of a model that is closely related to the well-known Cox proportional hazard model. Adopting a sliding window approach, our method continuously updates its parameters based on the event data in the current time window. As a proof of concept, we present two case studies in which our method is used for different types of spatio-temporal data analysis, namely, the analysis of earthquake data and Twitter data. In an attempt to explain the frequency of events by the spatial location of the data source, both studies use the location as covariates of the sources.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2014, 24, 1; 199-212
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Czego nie mówią politycy, powie wam big data
    What politicians do not say, big data will tell you
    Autorzy:
    Dobrowolski, Mateusz
    Kalisz, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/1849500.pdf
    Data publikacji:
    2020-09-30
    Wydawca:
    Instytut Dyskursu i Dialogu
    Tematy:
    big data
    twitter
    analiza języka
    politycy
    language analysis
    politicians
    Opis:
    Artykuł ten jest opisem analizy języka, jakim posługują się politycy na Twitterze z podziałem na frakcje polityczne i wykorzystanie algorytmów uczenia maszynowego.
    This article is a description of language analysis of Polish politicians on Twitter, considering political fractions with the use of machine learning algorithms.
    Źródło:
    Dyskurs & Dialog; 2020, II, 3 (5); 55-78
    2658-2368
    2658-2406
    Pojawia się w:
    Dyskurs & Dialog
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Strajk nauczycieli w komunikatach medialnych Związku Nauczycielstwa Polskiego na Twitterze
    Teachers’ Strike in Media Messages of the Polish Teachers’ Union (Związek Nauczycielstwa Polskiego) on Twitter
    Autorzy:
    Paradowski, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/2096286.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Instytut Socjologii
    Tematy:
    Twitter
    small data
    content analysis
    teachers’ strike
    media communication
    Opis:
    Niniejszy artykuł prezentuje próbę zaadoptowania nowych technik badawczych z zakresu small/big data do analizy zjawisk społecznych. Zadanie to zrealizowano na przykładzie komunikacji medialnej prowadzonej przez Związek Nauczycielstwa Polskiego (ZNP) na Twitterze w trakcie przygotowywania i prowadzenia strajku nauczycieli w 2019 roku. Strajk był szeroko komentowany w mediach tradycyjnych i internetowych sieciach społecznościowych, a żywiołowość dyskusji oraz zaangażowanie w nią ogółu społeczeństwa zacierały przekaz informacyjny każdej ze stron, utrudniając obiektywną ocenę tego zjawiska społecznego. Główny problem badawczy został sprowadzony do pytania o elementarne treści składające się na przekaz medialny ZNP kierowany do opinii publicznej. Pytania szczegółowe dotyczyły: najczęściej poruszanych tematów w dyskursie, haseł głoszonych przez związkowców oraz miejsca, jakie w przekazach medialnych zajmują uczniowie i egzaminy państwowe. Część analityczna opierała się na text mining – metodzie analogicznej do klasycznej analizy treści, lecz wykorzystującej możliwości small/big data. Baza danych składała się z 488 unikatowych tweetów pobranych z trzech oficjalnych kont ZNP na Twitterze za okres od 1 stycznia do 4 kwietnia 2019. Studium zakładało, że częstość występowania słów-kluczy lub poszczególnych tematów w postach powinna korelować dodatnio z wagą przywiązywaną przez nadawcę do danych zagadnień. Właściwe badanie udało się zrealizować w czasie prawie rzeczywistym, tj. w okresie kilku dni w czasie trwania strajku. 
    This article presents an attempt to adapt new research techniques in the field of small & big data to the analysis of social phenomena. This task was carried out on the example of media communication conducted by the Polish Teachers' Union (ZNP) on Twitter during the preparation and realisation of the teachers' strike in 2019. The strike was widely commented in traditional media and on internet social networks, and the spontaneity of the discussion and the involvement of the general public blurred the information message of each party, making it difficult to objectively assess this social phenomenon. The main research problem has been reduced to the question about the elementary contents that make up the ZNP’s media message addressed to the public. The detailed questions concerned: the most frequently discussed topics in the discourse, slogans proclaimed by members of the union and the position that students and state exams have in the messages. The analytical part was based on text mining – a method analogous to the classic content analysis, but using the small & big data possibilities. The database consisted of 488 unique tweets gathered from three official ZNP’s Twitter accounts for the period 2019-01-01–2019-04-23. The study assumed that the frequency of keywords or particular topics in posts should correlate positively with the importance attached by the sender to the given issues. The actual survey was carried out in almost real time, i.e. over  a period of several days during the strike.     
    Źródło:
    Konteksty Społeczne; 2020, 8, 2; 91-111
    2300-6277
    Pojawia się w:
    Konteksty Społeczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Twitter jako przedmiot badań socjologicznych i źródło danych społecznych: perspektywa konstruktywistyczna
    Twitter as an Object of Sociological Inquiry and a Source of Social Data: Constructivist Perspective
    Autorzy:
    Rodak, Olga
    Powiązania:
    https://bibliotekanauki.pl/articles/428005.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Twitter
    socjologia Internetu
    socjologia cyfrowa
    badania społeczne w Internecie
    serwisy społecznościowe
    dane z mediów społecznościowych
    Big Data
    small data
    Twitter;
    digital sociology
    computational social science
    social network sites
    social media data
    Opis:
    Serwis społecznościowy Twitter zyskał szczególne zainteresowanie naukowców społecznych z co najmniej dwóch powodów. Po pierwsze, stanowi on fenomen społeczny, wpływając na praktyki komunikacyjne oraz sposoby organizowania się ludzi. Po drugie, Twitter to repozytorium ustrukturyzowanych danych, które mogą zostać wykorzystane w celu badania zjawisk związanych lub niezwiązanych bezpośrednio ze społecznym oddziaływaniem tego medium. Celem niniejszego artykułu jest zebranie wiedzy, która, w opinii autorki, jest niezbędna do sprawnego i owocnego wykorzystania Twittera do prowadzenia badań socjologicznych; zarówno tych, w których Twitter jest przedmiotem analizy, jak i tych, w których Twitter dostarcza jedynie danych do analizy. Jako że technologia rekonfiguruje praktyki społeczne, będąc jednocześnie przez praktyki społeczne kształtowaną, socjologia Twittera wymaga przede wszystkim zrozumienia charakteru tej technologii oraz wpływu, jaki ona wywiera na praktyki badawcze, będące praktykami społecznymi. W artykule pokazany zostaje przekształcający wpływ Twittera w tych dwóch aspektach. Perspektywa konstruktywistyczna pozwala na zrozumienie zarówno samego medium, jak i charakteru oraz ograniczeń wytwarzanych za jego pośrednictwem danych.
    Twitter received special attention of social scientists for at least two reasons. Firstly, this social networking site is a social phenomenon, influencing communication and organizational practices. Secondly, Twitter is a repository of structured data, which may be used in order to study phenomena either related or not directly related with social impact of this medium. The purpose of the following paper is to summarize knowledge, which, in the author’s opinion, is necessary to smoothly and fruitfully use Twitter for conducting sociological inquiry: either this, in which Twitter is an object of analysis, or the one in which the service only delivers analytical data. As technology reconfigures social practices, being at the same time shaped by those practices, sociology of Twitter demands first of all understanding of the character of this technology as well as the influence of this technology on research practices, which are here understood as social practices. The article shows transformative character of Twitter in these two aspects. Constructivist perspective enables to understand the medium itself, as well as the character and limitations of data produced through it.
    Źródło:
    Studia Socjologiczne; 2017, 3(226); 209-236
    0039-3371
    Pojawia się w:
    Studia Socjologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptation of domain-specific transformer models with text oversampling for sentiment analysis of social media posts on Covid-19 vaccine
    Autorzy:
    Bansal, Anmol
    Choudhry, Arjun
    Sharma, Anubhav
    Susan, Seba
    Powiązania:
    https://bibliotekanauki.pl/articles/27312860.pdf
    Data publikacji:
    2023
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    Covid-19
    vaccine
    transformer
    Twitter
    BERTweet
    CT-BERT
    BERT
    XLNet
    RoBERTa
    text oversampling
    LMOTE
    class imbalance
    small sample data set
    Opis:
    Covid-19 has spread across the world and many different vaccines have been developed to counter its surge. To identify the correct sentiments associated with the vaccines from social media posts, we fine-tune various state-of-the-art pretrained transformer models on tweets associated with Covid-19 vaccines. Specifically, we use the recently introduced state-of-the-art RoBERTa, XLNet, and BERT pre-trained transformer models, and the domain-specific CT-BER and BERTweet transformer models that have been pre-trained on Covid-19 tweets. We further explore the option of text augmentation by oversampling using the language model-based oversampling technique (LMOTE) to improve the accuracies of these models - specifically, for small sample data sets where there is an imbalanced class distribution among the positive, negative and neutral sentiment classes. Our results summarize our findings on the suitability of text oversampling for imbalanced, small-sample data sets that are used to fine-tune state-of-the-art pre-trained transformer models as well as the utility of domain-specific transformer models for the classification task.
    Źródło:
    Computer Science; 2023, 24 (2); 163--182
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Social media analysis of the public perception of urban vehicle access regulations
    Autorzy:
    Ogunkunbi, Gabriel
    Meszaros, Ferenc
    Powiązania:
    https://bibliotekanauki.pl/articles/27314057.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    UVAR
    congestion charging
    emission zone
    sentiment analysis
    social network data
    Twitter
    opłaty za wjazd
    strefa emisji
    analiza nastrojów
    dane sieci społecznościowych
    Opis:
    Heavy motorisation in the wake of increasing urbanisation is one of the significant transport problems cities face today. There are practical measures under the panoply of urban vehicle access regulations (UVARs) used to stimulate sustainable mobility behaviour changes in the urban population and reduce reliance on passenger car travel. However, the adoption and implementation of such measures are often riddled with challenges, particularly building public acceptability and preserving social justice. Overcoming these challenges will also require cities to understand how the mobility needs of residents change over time. Considering the limitations of conventional data-collection and monitoring approaches, this study explored and analysed the public perception of UVARs over 12 years through natural language processing techniques using social media as a data source. The results show that UVARs are a prominent topic in public discussion and that the average sentiment expressed in tweets tended to be more positive than negative, with a gradual increase observed over the 12-year study period. In addition, the patterns observed in the data and the topics modelled were consistent with the events and talking points in society related to UVARs. Hence, this study demonstrates that social media data can help policymakers assess public sentiments during the ideation, design, implementation, and operational phases of UVARs and other transport policy measures.
    Źródło:
    Transport Problems; 2023, 18, 1; 157--168
    1896-0596
    2300-861X
    Pojawia się w:
    Transport Problems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies