宗乾進　沈洪洲

(1.華南師范大學經(jīng)濟與管理學院，廣州，510006；　2.南京郵電大學管理學院，南京，210023)

?

社會化媒體在自然災害中的運用
——基于研究主題和研究方法兩個層面的分析

宗乾進1沈洪洲2

(1.華南師范大學經(jīng)濟與管理學院，廣州，510006；2.南京郵電大學管理學院，南京，210023)

[摘要]采用文獻研究法，從研究主題、研究方法兩個層面對目前國外社會化媒體在自然災害中的運用研究文獻進行了分析，結(jié)果表明：(1)研究集中在9大領域，分別為社會化媒體用于災害預防、災害事件偵測與通知、信息傳播的特征、謠言及不準確信息的偵測與控制、利用社會化媒體救災、情感與社會聯(lián)系、社會化媒體使用動機及行為特征、保持社會化媒體正常通信、社會化媒體與社區(qū)恢復力；(2)研究方法主要有內(nèi)容分析法、文本挖掘、框架理論、社會網(wǎng)絡分析、案例研究法、訪談法，以及描述性統(tǒng)計、回歸分析、T檢驗、卡方檢驗等統(tǒng)計學方法。在研究結(jié)果基礎上，指出當前研究存在的問題，以及未來值得關注的研究方向。

[關鍵詞]社會化媒體社交網(wǎng)絡微博自然災害災害救援信息傳播

1引言

自然災害不僅會帶來巨大的經(jīng)濟損失，甚至還會帶來人員傷亡，是世界各國都不得不面對的一個巨大挑戰(zhàn)。聯(lián)合國亞洲及太平洋經(jīng)濟社會委員會(U.N. Economic and Social Commission for Asia and the Pacific，UNESCAP)2013年發(fā)布的一項報告顯示：亞太地區(qū)是世界上自然災害最為頻發(fā)的區(qū)域，過去的十年里，這一區(qū)域人群受自然災害影響的概率是非洲的2倍、拉美及加勒比區(qū)域的6倍、北美及歐洲的30倍；過去的十年中，亞太地區(qū)受自然災害影響的人口數(shù)量為250萬，死亡人口近80萬[1]。中國幅員遼闊，地理等環(huán)境因素復雜，自然災害頻發(fā)，一直是受自然災害影響最為嚴重的國家之一。沿海地區(qū)的臺風、洪災(如2013年廣東潮汕、浙江余姚等地的水災)，以及近年來多發(fā)的大地震(2008年的汶川、2010年的玉樹、2013年的雅安，2014年的魯?shù)?等，帶來了巨大的人員傷亡，給我國經(jīng)濟和社會帶來了極其不利的影響。

近年來，在互聯(lián)網(wǎng)技術與web2.0應用的推動下，社會化媒體得到了突飛猛進發(fā)展。以Facebook為代表的社交網(wǎng)絡，以及以Twitter為代表的微博客等社會化媒體已經(jīng)開始影響到社會的各個方面，如商業(yè)、政治、人們的生活與工作等。而在學術界，無論是新聞傳播領域，還是信息管理領域，抑或是經(jīng)濟學、社會學領域等，社會化媒體已經(jīng)吸引了眾多學者的注意力。其中，社會化媒體在自然災害中的運用研究也開始逐漸得到關注。將社會化媒體與自然災害相結(jié)合來進行研究，無論是對災害預防、救災中的響應與協(xié)調(diào)，還是災后重建，都具有非常重要的意義。本文對Web of Science、Elsevier等數(shù)據(jù)庫，以及利用Google等搜索引擎進行廣泛地文獻收集，對當前國外將社會化媒體應用于自然災害中的研究文獻進行梳理、分析，從研究主題和研究方法兩個層面展現(xiàn)國外研究進展，以期為我國學界、政府機構(gòu)、非政府組織等提供理論與實踐上的參考。本文對收集的文獻(文獻出版時間節(jié)點截至2014年下半年，數(shù)量200篇有余)進行初步分析：

從研究的發(fā)展階段來看，目前研究還處于初步發(fā)展期，具體而言：這一領域的研究起步于2006年前后，關注的重點是個人博客與災害(這可能是與當時web2.0剛剛興起有關，當時博客是web2.0的最典型應用)。從2010年開始，特別自2011年起，這一領域的研究進入了高速發(fā)展期，文獻數(shù)量急劇增多，無論是研究內(nèi)容，還是研究方法的使用，都呈現(xiàn)出多樣化的特點。這可能是與當時的社會情境有關，一方面，海地、日本分別于2010年、2011年發(fā)生了大地震，造成的社會影響巨大；另一方面，社會化媒體，如Facebook、Twitter等業(yè)已發(fā)展壯大。

從研究人員的背景來看：在學科背景方面，目前這一領域研究人員的學科背景以信息技術為主，其余則來自傳播學、心理學、社會學等領域；從研究人員所在國家(機構(gòu)所處的國家)分布來看，以美國、日本為主，其次為澳大利亞等國。尤其值得指出的是，日本學者在地震領域發(fā)表了大量的成果，這可能是跟日本是地震多發(fā)國有關。

2研究領域分析

2.1災害預防

自然災難的預防對于減少人員傷亡和經(jīng)濟財產(chǎn)損失有著極其重要的作用。美國、加拿大等國已經(jīng)開始通過社會化媒體來向民眾傳播災害預警信息[2]?；谏鐣襟w的災害預防研究，具體而言，主要集中在泥石流災害預防和潛在受災人群識別兩個方面。

2.1.1泥石流災害預防系統(tǒng)

由于暴雨而導致地表徑流出現(xiàn)在斜坡上時，便有可能發(fā)生泥石流。其中，特定時間區(qū)間中的累積降雨量往往被作為一個重要的變量來構(gòu)建泥石流預測模型。這也是泥石流災害預防系統(tǒng)的重要理論假設[3]。Moriyama等人結(jié)合地理信息系統(tǒng)(Geographic Information System，GIS)和在線社交網(wǎng)絡(基于Drupal)，開發(fā)了一個泥石流防災信息系統(tǒng)[4]。在這個系統(tǒng)中，滑坡以及泥石流等，按照不同顏色顯示在動態(tài)的災害地圖上，非常清晰地展現(xiàn)出當前泥石流發(fā)生的情況。系統(tǒng)中的用戶可以根據(jù)這些動態(tài)的災害發(fā)生狀況，采取相應的措施來避險。2.1.2識別潛在受災人群

識別潛在受災人群，能夠使災難預警變得更加有針對性，減少人員傷亡。Pho等人基于Twitter提出了一個方案，用于識別和通知那些可能會受特定災難影響的人群，并利用2011年新西蘭基督城地震時的Twitter數(shù)據(jù)進行實驗驗證[5]。這一方案的設計思路可以簡要概括如下：利用Twitter的應用程序接口(Application Programming Interface，API)來獲取用戶的狀態(tài)信息(與災難相關的關鍵詞、地理信息和時間)，然后利用社會網(wǎng)絡分析算法來對其粉絲(followers)以及粉絲的粉絲等，來識別和通知潛在的受災者和社群。

2.2災害事件偵測及通知

偵測災害事件能夠提高態(tài)勢感知(Situational Awareness，SA)以及對災害的應急響應能力，進而減少災害帶來的不利影響。社會化媒體作為典型的用戶生成內(nèi)容的應用，蘊含著豐富的有關災害的信息，成為偵測災害事件的理想數(shù)據(jù)來源。Cameron等以Twitter為數(shù)據(jù)源，提出了一個突發(fā)檢測算法來偵測災害事件，供澳大利亞政府部門進行災害管理[6]。Pohl等以Flickr和YouTube為數(shù)據(jù)源，利用基于自組織映射圖(Self Organizing Map，SOM)的聚類算法來偵測災害事件[7]。

最為值得指出的是，利用社會化媒體來偵測地震得到了大量的關注，特別是日本學者的關注。地震波的傳輸速率介于3—7千米/秒，遠遠低于電磁信號的傳輸速率，兩者間的時間差是一段極其寶貴的時間。這也正是基于社會化媒體來進行地震偵測與通知的前提。從目前研究來看，絕大多數(shù)都是基于Twitter來展開的。這主要是因為Twitter作為一種微博客，天生具有實時性(real-time)的特點。目前這一領域研究的基本思路大多是[8]：將Twitter等社會化媒體用戶看作為人體傳感器(human sensor)[9]，或是社會化傳感器(social sensor)；采用計算機算法對用戶所發(fā)表的有關地震的tweet進行挖掘，從而偵測出地震，并采用E-mail等通知用戶。并且很多研究都表明，基于Twitter的地震偵測與通知，要比官方的地震警報系統(tǒng)要快[10-12]。不過，基于社會化媒體的地震偵測方法，可能偵測不到兩類地震[13]：一是人煙稀少地區(qū)的地震，這可能是因為沒有用戶發(fā)布地震相關的tweet；二是震級小的地震，這主要是因為人體難以察覺出微小晃動。不過，這兩種地震即便無法偵測，也不會給人們帶來嚴重的破壞。

2.3災難情境下的社會化媒體中信息傳播的特征

在災難發(fā)生時及發(fā)生后，社會化媒體中信息產(chǎn)生、傳播有何特征，得到了較為廣泛的關注。本文將自然災害情境下，社會化媒體中信息傳播的特征歸納如下：

(1)災難情境下，社會化媒體能夠向公眾提供更為廣泛的信息傳播與交流[14]；并且在災害發(fā)生時(后)，正逐漸成為信息共享的關鍵[15-16]。

(2)盡管災害信息起初會出現(xiàn)在社交網(wǎng)絡的各個地方，但是很快就會形成一個有關災害信息的核心社群[17]。

(3)災害預警后，社會化媒體用戶才開始傳播與災害相關的信息，而在此之前更多的是通過敘事的方式來傳播一些個人信息(autobiographical information)[18]。

(4)災害信息通常會第一時間出現(xiàn)在社會化媒體中，遠比大眾傳媒(電視、報紙等)的報道時間要快[19-20]。

(5)災難情境下，利用微博(社會化媒體)來進行信息傳播僅需要極低的帶寬，因而可能會成為災難發(fā)生后用于通訊的上佳工具[19]。

(6)社會化媒體中，用戶圍繞災害而生成的各種信息，主要可以分為5類：資訊相關的、觀點相關的、行動相關的、情感相關的，以及狀況更新(situation updates)[21]；同時，行動相關的信息和狀況更新信息的轉(zhuǎn)發(fā)率要高于其他三類信息的轉(zhuǎn)發(fā)率；狀況更新信息的轉(zhuǎn)發(fā)傳播速度最快，而情感相關的信息轉(zhuǎn)發(fā)傳播速度最慢[22]。

2.4謠言及不準確信息的偵測與控制

災害發(fā)生后，社會化媒體中所傳播的某些信息可能并不準確[23]，甚至是謠言。謠言借助社會化媒體廣泛傳播，會讓災后民眾陷入焦慮與恐慌之中，對災后的社會穩(wěn)定和救災工作造成不利影響。Hashimoto等提出了一個用于偵測社會化媒體中謠言信息的框架，并以社會化媒體平臺中有關日本2011年3月11日大地震的信息為例進行了實驗[24]。該謠言偵測框架概括起來說，主要包含如下的步驟：抓取信息、抽取主題、以時間序列為基準可視化主題結(jié)構(gòu)、按照謠言基本特征提取出候選謠言、將候選謠言與可信媒體(電視、報紙等)中的相關信息做比對來識別謠言。此外，Singh等基于小世界網(wǎng)絡原理，提出對社會網(wǎng)絡中的某些節(jié)點進行“接種預防”的方式來對社會化媒體中的謠言傳播進行控制[25]。

2.5社會化媒體用于救災

自然災害中，社會化媒體作為一個受民眾歡迎的媒體，能夠提供新的信息來源[26]，在線用戶生成的某些信息對救災工作也是非常有價值的[27]。Twitter等社會化媒體在自然災害應急響應中的運用前景非常廣闊[28]。如今，社會化媒體已成為一個快速、高效地用于傳播自然災害信息的途徑[29]，為災害應急響應提供有價值的信息[30]，能被用于動員資源[31]與協(xié)調(diào)人員[32]，讓公眾、政府等參與到災害響應中[33-37]。具體而言，目前研究主要體現(xiàn)在如下幾個方面。

2.5.1通過社會化媒體收集信息用作救災決策

無論是在災害管理的什么階段，都需要及時、可靠的信息來支撐政府和非政府組織(Non-Governmental Organizations，NGO)的災害應急響應工作[38]。社會化媒體(比如Twitter)為用戶發(fā)布信息提供了便利條件，由此而產(chǎn)生海量信息(特別是一些緊急的有用信息)，而這些信息能用于災害應急響應的各個階段[39]及救災決策的參考[40]。Vivacqua和Borges提出了一個基于集體性知識(collective knowledge)的災害響應框架來用于決策，而該框架的基礎信息源由用戶通過短信和Twitter等社會化媒體來提供[41]。與這一框架類似，SECURITY2People(Secure IT-Based Disaster Management System to Protect and Rescue People)[42]、eStoryS[43]等應急響應系統(tǒng)，也是通過收集社會化媒體等渠道的信息來完成與輔助決策。而Muramoto等人設計的方案則更為系統(tǒng)，他們提出并實驗了一個融合了GIS、Google Map等的社交網(wǎng)絡應用，用于日本當?shù)厣鐓^(qū)的海嘯災害控制[44]。

2.5.2受災人群的地理位置識別

當前很多社會媒體應用，特別是微博客，都為移動終端用戶提供了“添加地理位置信息(geolocation information)”的功能，使得用戶發(fā)布的信息中能夠包含地理位置。將社會化媒體應用于災害情境中，其所面臨的一個關鍵挑戰(zhàn)便是從用戶生成的內(nèi)容中抽取出清晰的、準確的地理位置信息[45]。當自然災害發(fā)生時(后)，若能快速識別出受災人群的地理位置，勢必能夠極大程度地提高對災害的應急響應，減少人員傷亡。Lingad等的研究表明，現(xiàn)有的命名實體識別工具(Named Entity Recognition，NER)，如Stanford NER、OpenNLP、Yahoo! PlaceMaker、TwitterNLP，在識別災害相關tweet中的地理位置信息方面都具有很大的潛力[46]。McNamara和Rohner基于Twitter中含有地理位置信息的tweet，提出了一個識別用戶位置的方法，以期在發(fā)生災害時能夠洞悉受災用戶的位置以及他們將要去的地方[47]。然而，并非所有社會化媒體用戶都會去使用“添加地理位置信息”這一功能，這就導致某些用戶生成內(nèi)容中并不包含地理位置信息。因此，如何識別出此類用戶生成內(nèi)容中的地理位置信息是一大難題所在。Ikawa等提出了一個基于文本語境的位置推測方案，并進行了實驗，其基本做法是：以Twitter用戶的歷史tweet為訓練集，建立用戶的位置信息與tweet中關鍵詞間的聯(lián)系，進而推測用戶新發(fā)布tweet時的位置信息[48]。

2.5.3社區(qū)識別及其特征

當災害發(fā)生時，社會化媒體中的用戶社區(qū)識別，對于及時地發(fā)現(xiàn)用戶熱點話題、興趣以及關注點是非常重要的[49]。Enoki等將Twitter平臺中包含有災害相關關鍵詞的tweet為數(shù)據(jù)源(時間跨度為：2011/03/16—2011/04/03)，以用戶為節(jié)點、用戶間的交互(評論、轉(zhuǎn)發(fā))為邊，采用線性時間圖算法(linear-time graph algorithm)抽取出了203個社區(qū)；在這些社區(qū)中，某些社區(qū)有著其獨有的熱點話題；同時，實驗結(jié)果表明，他們的方法在社區(qū)識別的準確率方面要優(yōu)于單純的文本相似性和Twitter用戶follow關系相似性[49]。Gupta等則以艾琳颶風、弗吉尼亞地震等相關的tweet為數(shù)據(jù)源，在綜合內(nèi)容相似性(Twitter用戶發(fā)布的tweet內(nèi)容)、鏈接相似性和元數(shù)據(jù)相似性(Twitter用戶Profile上的地理信息)基礎上，采用譜聚類技術來識別用戶社區(qū)[50]。他們的研究發(fā)現(xiàn)，社區(qū)中點度中心度(degree centrality)高的用戶能夠代表整個社區(qū)的主題和意見，平均準確率為81%。

2.5.4受災人群求助信息識別

自然災害發(fā)生后，受災人群通過社會化媒體來發(fā)布求助信息；與此同時，政府以及救援機構(gòu)等也會通過社會化媒體來發(fā)布他們正在或是即將采取的行動信息(應助信息)。然而，雙方的求助信息、應助信息往往會湮沒在社會化媒體的海量信息中，導致雙方間的信息交換無法順利完成。Varga等以2011年東日本地震相關的tweet為數(shù)據(jù)源，提出一個用于識別、匹配受災人群求助信息與政府等救援機構(gòu)應助信息的系統(tǒng)，提升雙方之間信息交換的成功率[51]。

此外，自然災害往往會破壞生產(chǎn)、交通等基礎設施，從而導致各種物資資料的供應往往會出現(xiàn)短缺。如果能識別出當前受災人群最急需的物資資源，以及洞悉隨時間推移和災情演化下的物資資源需求的動態(tài)變化，無疑能夠大大提高受災人群的存活概率。Murakami和Nasukawa以2011年東日本地震為例，利用IBM的內(nèi)容分析工具對Twitter中包含有地震、核工廠等關鍵詞的tweet進行了分析，嘗試發(fā)現(xiàn)受災人群的物資資料需求及其變化趨勢[52]。他們的研究發(fā)現(xiàn)，水、電池、大米、汽油、廁紙、納豆以及酸奶酪成為災民最為急需的物資；而隨著時間的推移，一些非必需的物資(香煙、冰淇淋)需求開始上升，這可能是因為災民在災情緩解后想提高一下生活質(zhì)量；與之對應的，水和礦泉水等必需品需求上升，則是因為擔心水會受到核污染。

2.5.5尋找失聯(lián)人員

由于自然災害的突發(fā)性特點，在造成人員傷亡的同時，也會讓一些民眾陷入困境，使得他們與家人(朋友)失去聯(lián)系。尋找這些失聯(lián)人員，不僅是這些人員家屬(朋友)的急切愿望，也是降低災害人員傷亡的重要途徑。社會化媒體在災后傳播人員安全信息方面起到了重要作用[53]，為災后尋找失聯(lián)人員提供了一個新渠道。Macias[54]分析了網(wǎng)絡上關于卡特里娜颶風的博客日志，發(fā)現(xiàn)在特里娜颶風襲擊新奧爾良后的極短時間里便出現(xiàn)了大量的尋人信息；這些尋人信息中包含有人員姓名、與之相關的個人信息，并且請求知情者與博主聯(lián)系。與上述這種獨立、分散的災后尋人有所不同，Stiegler等設計了一個聯(lián)合災后尋人系統(tǒng)F3(Family and Friends Finder)[55]。F3系統(tǒng)集成了來自政府、非政府組織的結(jié)構(gòu)化數(shù)據(jù)，以及社會化媒體(Facebook、Twitter)的非結(jié)構(gòu)化數(shù)據(jù)，為用戶提供一個統(tǒng)一的檢索界面。這項研究同時還以昆士蘭2011年2月的亞西颶風災害為例，對系統(tǒng)進行測評，結(jié)果顯示它比Google搜索更有效。

2.5.6捐贈

捐贈對于救災工作的順利開展，無疑有著顯著的促進作用。自然災害發(fā)生后，通過社會化媒體來呼吁捐贈和傳播捐贈信息，在2009年的菲律賓熱帶風暴凱薩娜[56]、2010年的智利地震[57]、海地地震[58]等災害中都已經(jīng)得到了實際應用和研究。一些研究表明，災害的社會化媒體報道(social media coverage)與捐款額度呈現(xiàn)出正相關關系[59-60]。此外，Imran等發(fā)現(xiàn)，災害發(fā)生后，社會化媒體中的捐贈信息類型主要8種：金錢、血液、志愿者工作(voluntary work)、食品、設備、住所、折扣以及其他[61]。值得一提的是志愿者工作，很多志愿者災后通過Twitter連接在一起，并且在他們的虛擬人際網(wǎng)絡中流通信息[62]。并且，與線下的志愿者團體相比，基于線上社會化媒體的志愿者虛擬團體更容易形成和合作[63]。

2.6情感與社會聯(lián)系

社會化媒體不僅是災害應急管理的工具，也是一個供參與者進行情感交流的場所[64]。Wilensky的研究顯示，2011年東日本地震后，Youtube網(wǎng)站上的評論(諸如“我們一起堅持”、“讓我們一起重建”等)反映出人們試圖尋找精神和情緒上的慰藉，以及重建他們的價值觀念和身份認同[65]。社會化媒體也能夠反映出災害期間的公眾情緒(如焦慮)[66]，特別地，女性更有可能在社會化媒體中表達對災害的關心[67]。

社會化媒體在自然災害中扮演著一種親社會角色(prosocial role)，成為人們獲得社會資本的基礎[68]。Casacchia等發(fā)現(xiàn)，2009年意大利中部城市拉奎拉地震發(fā)生后，當?shù)孛癖娡ㄟ^Facebook來提升自己的虛擬人際關系，處理先前失去的社會聯(lián)系[69]。Ben-Ezra等在2011年東日本地震引起的福島核事故之后，分別采用面對面和通過Facebook這兩種方式來收集人們的心理健康相關數(shù)據(jù)[70]。他們的研究表明，相比面對面受談者而言，F(xiàn)acebook受訪者有著較高的感知社會支持(perceived social support)，這可能是因為他們在災害發(fā)生期間使用在線社交網(wǎng)絡，而使得他們感知到足夠的支持。

2.7用戶使用社會化媒體的動機及行為特征

將社會化媒體應用于自然災害中的一個重要前提是——海量用戶的參與。因此，在災害情境中，洞悉用戶使用社會化媒體的動機以及他們的行為特征，有助于設計出合適的機制來吸引更多的用戶參與，加快信息傳播速度和范圍，提升救災效率。Maxwell研究了EF-4級龍卷風災害期間用戶使用Twitter的4種動機：社會化(交際)、娛樂、狀態(tài)搜尋、信息[71]。她的研究表明，社會化、娛樂、信息這3種動機所帶來的用戶Twitter使用數(shù)量，大體相當；而狀態(tài)搜尋動機并沒有帶來同樣多的Twitter使用。Zhu等分析了Twitter用戶轉(zhuǎn)發(fā)行為的3個影響因素(內(nèi)容、用戶社會網(wǎng)絡、時間衰減)，并以此構(gòu)建了一個細粒度的用于預測tweet(災害相關的tweet)轉(zhuǎn)發(fā)的邏輯回歸模型[72]。Muralidharan等采用框架理論(framing theory)分析了非盈利組織和媒介組織在2010年海地地震期間使用社會化媒體的差異之處，結(jié)果表明，兩者均能有效地利用社會化媒體來進行信息傳播和信息披露，但是都未能發(fā)揮出社會化媒體天生具有的雙向傳播(two-way communication)特質(zhì)[73]。Chae等人對自然災害事件中社會化媒體用戶的行為進行了可視化分析，他們發(fā)現(xiàn)在社會化媒體中，公眾對災害的響應伴隨不同災害類型而有所不同[74]。

此外，社會網(wǎng)絡分析(Social Network Analysis，SNA)被較多地應用于識別社會化媒體中的關鍵行動者(key actors)、積極參與者，進而研究他們在災害信息傳播中的行為特征[75]。Tyshchuk和Wallace以2011年東日本地震為例，利用社會網(wǎng)絡分析法研究了社會化媒體中關鍵行動者(個人/機構(gòu))的作用，發(fā)現(xiàn)關鍵行動者在可行信息(actionable information)的傳播中扮演著重要角色[76]。

2.8災害中保持社會化媒體正常通信

正如上文所言，社會化媒體能夠被應用于自然災害的預防、救援等多個方面。而這些都是基于社會化媒體能夠正常提供通信功能這一前提。社會化媒體的通信離不開有線、無線等基礎設施。而自然災害，特別是地震、洪水、颶風等會對這些基礎設施造成極強的破壞，使得社會化媒體的正常通信功能受到影響。Carta及其碩士導師Hossmann、Legendre團隊對這一領域進行了研究[77-78]。他們研究的切入點在于：智能手機可以不依賴于現(xiàn)有網(wǎng)絡基礎設施，而借助藍牙、wifi熱點等進行無線通信，這為災害情境下的數(shù)據(jù)交換提供了可能。他們設計了一個基于機會通信(opportunistic communications)的安卓應用Twimight。Twimight是一個Twitter客戶端，具備兩種模式：正常模式、災難模式。正常模式與其他客戶端并無大的區(qū)別，即用戶通過手機客戶端直接向Twitter發(fā)布tweet。災難模式下(基礎網(wǎng)絡設施不可用時)，程序會通過藍牙將受災用戶發(fā)布的tweet與其他手機進行數(shù)據(jù)交換，進而通過一種“病毒式”傳播的方式將受災用戶的tweet傳播出去。同時，程序也會自動偵測網(wǎng)絡環(huán)境，一旦有可用的網(wǎng)絡，便會將受災用戶的tweet以正常模式發(fā)布到Twitter中。Twimight應用可以在Google Play中下載。

2.9社會化媒體與社區(qū)恢復力

Resilience(恢復力)一詞源自拉丁文中的resilio，意為跳回(jump back)、反彈(bounce back)。社區(qū)恢復力(community resilience)是測量社區(qū)對自然災害的預備、響應、抵抗和恢復的能力，具有較高恢復力的社區(qū)在災害中會遭受較少的損失，并能較快地從災害中得以恢復[79]。然而當災害發(fā)生時，社區(qū)恢復力中的某些弱點會被放大[80]。而相關信息的及時溝通機制，比如通過Facebook等社會化媒體，是構(gòu)建社區(qū)恢復力的重要組成部分[81]。Dufty基于“澳大利亞國家災害恢復力戰(zhàn)略”，開發(fā)了一個社會層面的災害恢復力構(gòu)建戰(zhàn)略框架[82]，該框架從降低災害風險、應急管理、社區(qū)發(fā)展三個方面來闡述社會化媒體如何幫助構(gòu)建社區(qū)災害恢復力(community disaster resilience)。降低災害風險方面，其目標是最小化剩余風險(minimisation of residual risk)，具體包括：通知具有災害風險的他人、討論和規(guī)劃最小化風險的方法、協(xié)調(diào)和管理任務、指導事后學習以提高恢復力；應急管理方面，其目標是通過共同責任(shared responsibility)來讓社區(qū)安全，具體包括：通過眾包來提供應急情報(emergency intelligence)、幫助人們做好災害準備工作、傳播警告信息、協(xié)調(diào)社區(qū)響應與恢復、指導事后學習以提高恢復力；社區(qū)發(fā)展方面，其目標是形成社會資本(在應對災害方面)，具體包括：增加與提升社會網(wǎng)絡(以及領導力和支持系統(tǒng))、災害中(后)為人們提供支持、指導事后學習以提高恢復力。

3運用的研究方法分析

社會化媒體作為一個新興媒體，在自然災害中的運用研究尚處于起步期。對目前研究中所使用的研究方法進行歸納總結(jié)，對后續(xù)研究者而言，具有很好的借鑒和參考意義。本文對當前研究中主要使用的研究方法進行歸納、總結(jié)如下：

(1)內(nèi)容分析法。廣泛運用于新聞傳播、信息管理等領域的內(nèi)容分析法，在社會化媒體時代仍然得到了廣泛使用。目前內(nèi)容分析法主要被用于探尋災害情境下社會化媒體中信息傳播的特征[21]、用戶使用社會化媒體行為[73]等。

(2)文本挖掘。信息科學領域中的文本挖掘方法(如樸素貝葉斯分類器、支持向量機、決策樹等)在本領域中得到了非常廣泛地使用。自然災害期間，社會化媒體中會在極短時間內(nèi)涌現(xiàn)出由用戶生成的海量內(nèi)容，而僅依靠人工手段難以處理這些海量內(nèi)容。文本挖掘方法被廣泛用于災害事件偵測及通知[7]、謠言及不準確信息的偵測[24]、受災人群的地理位置識別[48]、社區(qū)識別[49]、受災人群求助信息識別[51]等多個方面。同時，文本挖掘的方法也被用于統(tǒng)計分析、可視化分析的數(shù)據(jù)預處理中。

(3)框架理論。社會化媒體在災害情境下的運用研究中，框架理論(Framing Theory)也得到了一些學者的關注，如Muralidharan等采用框架理論分析了非盈利組織和媒介組織在2010年海地地震期間使用社會化媒體的差異之處[73]。

(4)社會網(wǎng)絡分析。近些年來，社會網(wǎng)絡分析在社會學研究中得到了較多關注。社會網(wǎng)絡分析將研究對象視作為“行動者”(如社會化媒體用戶、用戶發(fā)布的話題等)，研究“行動者”之間的關系特征。而社會化媒體本身就是一個典型的線上社會網(wǎng)絡應用。具體到本文主題，社會網(wǎng)絡分析法被用于識別潛在受災人群[5]、謠言的控制[25]、社區(qū)識別[49]、用戶使用社會化媒體的行為特征[76]等。

(5)案例研究法。案例研究方法在社會學研究中亦被廣泛采納。具體本文的主題，很多學者將某一個特定自然災害事件作為一個案例進行分析，如2010年的海地地震、2010年智利地震、2011年日本地震等。

(6)訪談法。訪談法，是一種定性的研究方法，或者更確切地說是社會學研究中一種非常重要的資料收集的方法。具體到本文主題，訪談法常被用作收集災害親歷者及其利益相關者的情感、態(tài)度、心理健康狀況[70]等。

(7)統(tǒng)計學方法。各類統(tǒng)計學方法是社會學研究中使用最為廣泛的研究方法之一。在本文收集的相關文獻中，描述性統(tǒng)計、回歸分析等得到了較多地使用。

描述性統(tǒng)計方法多被用于分析信息傳播特征、對比實驗結(jié)果。另外，描述性統(tǒng)計也被廣泛用于描述數(shù)據(jù)樣本概況，從而為后續(xù)分析奠定基礎等。

回歸分析用于探索自變量與因變量間的關系。具體到本文主題，回歸分析被用于研究自然災害情境下，社會化媒體的報道與捐贈額度間的關系[59-60]。

此外，常用的一些統(tǒng)計檢驗方法也得到了較多的使用。如研究人員采用T檢驗、卡方檢驗來對比不同災害親歷者群體的心理因素、創(chuàng)傷后應激障礙綜合征(PTSD symptoms)[70]等。

4結(jié)語

通過對國外研究文獻的梳理和分析，發(fā)現(xiàn)社會化媒體在自然災害中的運用研究主要集中在9大領域：災害預防、災害事件偵測與通知、信息傳播的特征、謠言及不準確信息的偵測與控制、利用社會化媒體救災、情感與社會聯(lián)系、用戶使用動機及行為特征、保持社會化媒體正常通信、社會化媒體與社區(qū)恢復力。在研究方法上，得到較多使用的有：內(nèi)容分析法、文本挖掘、框架理論、社會網(wǎng)絡分析、案例研究法、訪談法和統(tǒng)計學方法(主要有描述性統(tǒng)計、回歸分析、T檢驗、卡方檢驗等)。

自然災害情境下，社會化媒體的功能體現(xiàn)在信息傳播、資源動員、強化態(tài)勢感知[83-84]等多個方面，為災害應急響應、恢復[85]等提供幫助。然而，應該看到社會化媒體本身出現(xiàn)的時間畢竟很短，其在自然災害中的應用研究尚處于起步期。從現(xiàn)有研究來看，某些問題并沒有得到較好地解決，值得未來研究關注：

(1)基于Twitter(社會化媒體)的地震偵測是一個非常有價值的研究領域，但仍然需要進一步研究，一些問題目前并沒有得到很好地解決[86]：一是tweet中地理信息的不準確與缺失問題；二是當前研究大多通過關鍵詞來識別tweet中的地震信息，而有時tweet中可能并沒有“地震”字樣，如“你感覺到了嗎？”；三是某些tweet中所含有的“地震信息”是噪音信息(如用戶在轉(zhuǎn)發(fā)某地震信息時，而其所在地并沒有發(fā)生地震)；四是如果社會化媒體被人利用，有組織地大規(guī)模發(fā)布虛假地震信息，可能會帶來嚴重的不利影響。

(2)與上文所提及的謠言有些類似，社會化媒體由于數(shù)據(jù)質(zhì)量問題[87]，有時候并不能為救災工作提供“正確的信息”(right information)，而“正確的信息”正是社會化媒體能夠應用于自然災害的根基所在。因此，如何甄別與剔除災害情境下社會化媒體中的不準確信息是一個非常有價值的研究課題。

(3)信息過載問題。信息過載是指信息產(chǎn)生的速度已經(jīng)超過了個人(機構(gòu))的信息處理能力。即便在沒有發(fā)生自然災害的常規(guī)環(huán)境下，社會化媒體用戶也會面臨信息過載問題[88]。一旦發(fā)生自然災害，特別是發(fā)生重大自然災害時，社會化媒體中的信息會呈現(xiàn)出爆炸式增長，進一步加劇信息過載問題。而救災的主體——政府和救援組織同樣面臨著信息過載問題，如他們發(fā)布的信息會湮沒在社會化媒體的信息海洋中[89]，這使得他們可能會感覺到缺乏對信息的控制，成為在災害中使用社會化媒體的障礙[90]。因此，在災害情境下，如何解決社會化媒體中的信息過載問題，值得進一步深入研究。

(4)研究成果的實際應用有待于進一步檢驗。當前研究大多以歷史事件為數(shù)據(jù)源，通過建立相關模型、算法、仿真等來研究社會化媒體在自然災害中的應用。研究成果在實際災害中的實際應用效果需要進一步檢驗。

(5)社會化媒體在自然災害預防、恢復、減災中的應用研究較為薄弱?，F(xiàn)有研究多集中在自然災害的應急響應以及救災環(huán)節(jié)中，而社會化媒體如何在災害預防、恢復、減災等環(huán)節(jié)中發(fā)揮杠桿作用，需要深入、系統(tǒng)地進行研究。

參考文獻

[1]Building resilience to natural disasters and major economic crises[EB/OL]. [2014-08-06].http://www.unescap.org/idd/Pubs/ThemeStudy2013/ThemeStudy2013-full.pdf

[2]Durage S W, Wirasinghe S C, Ruwanpura J. Comparison of The Canadian and US tornado detection and warning systems[J]. Natural Hazards, 2013, 66(1): 117-137

[3]Hirano M, Hikida M, Moriyama T. Field observation and prediction of the hydrograph of volcanic debris flow[C]// Proceedings of the Fourth Congress of Asian and Pacific Regional Division of IAHR,Bankok, Thailand, 1984: 287-298

[4]Moriyama T, Nakayama H, Kon K, et al. Distribution of aerial hazard maps of debris flow on a social network service[J]. WIT Transactions on Engineering Sciences, 2008，60:33-40

[5]Pho H, Han S C, Kang B H. Emergency-Affected population identification and notification by using online social networks[C]// Proceedings of the 2011 International Conference on Advanced Software Engineering and Its Applications,Jeju Island, Korea, 2011: 541-550

[6]Cameron M A, Power R, Robinson B, et al. Emergency situation awareness from Twitter for crisis management[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 695-698[7]Pohl D, Bouchachia A, Hellwagner H. Automatic sub-event detection in emergency management using social media[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 683-686[8]Sakaki T, Okazaki M, Matsuo Y. Earthquake shakes Twitter users: Real-time event detection by social sensors[C]// Proceedings of the 19th International Conference on World Wide Web,Raleigh, North Carolina, USA, 2010: 851-860

[9]Yuan W W, Guan D H, Huh E N, et al. Harness human sensor networks for situational awareness in disaster reliefs: A survey[J]. Iete Technical Review, 2013, 30(3): 240-247

[10] Crooks A, Croitoru A, Stefanidis A, et al. #Earthquake: Twitter as a distributed sensor system[J]. Transactions in GIS, 2013, 17(1): 124-147

[11] Okazaki M, Matsuo Y. Semantic Twitter: Analyzing tweets for real-time event notification[C]// Proceedings of the 2008/2009 International Conference on Social software-Recent Trends and Developments in Social Software,Heidelberg, 2008: 63-74

[12] Sakaki T, Okazaki M, Matsuo Y. Tweet analysis for real-time event detection and earthquake reporting system development[J]. IEEE Transactions on Knowledge and Data Engineering, 2013, 25(4): 919-931

[13] Earle P S, Bowden D C, Guy M. Twitter earthquake detection: Earthquake monitoring in a social world[J]. Annals of Geophysics, 2011, 54(6): 708-715

[14] White C, Plotnick L, Kushma J, et al. An online social network for emergency management[J]. International Journal of Emergency Management, 2010, 6(3-1): 369-382

[15] Dabner N. “Breaking Ground” in the use of social media: A case study of a university earthquake response to inform educational design with Facebook[J]. Internet and Higher Education, 2012, 15(1): 69-78

[16] Martin D L, Allan J C, Newton J, et al. Using web-based and social networking technologies to disseminate coastal hazard mitigation information within the Pacific Northwest Component of the Integrated Ocean Observing System (IOOS)[C]// Oceans 2011,Waikoloa, HI, 2011:1-9

[17] Nagar S, Seth A, Joshi A. Characterization of social media response to natural disasters[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 671-674

[18] Starbird K, Palen L, Hughes A L, et al. Chatter on the Red: What hazards threat reveals about the social life of microblogged information[C]// Proceedings of the ACM conference on Computer Supported Cooperative Work,Savannah, Georgia, USA, 2010: 241-250

[19] Li J, Rao H R. Twitter as a rapid response news service: An exploration in the context of the 2008 China earthquake[J]. The Electronic Journal of Information Systems in Developing Countries, 2010, 42(4): 1-22

[20] Qu Y, Huang C, Zhang P, et al. Harnessing social media in response to major disasters[C]// The 2011 ACM Conference on Computer Supported Cooperative Work,New York, 2011: 1-4

[21] Qu Y, Wu P F, Wang X. Online community response to major disaster: A study of Tianya forum in the 2008 Sichuan earthquake[C]// 42nd Hawaii International Conference on System Sciences,Waikoloa, USA, 2009: 1-10

[22] Qu Y,Huang C,Zhang P,et al.Microblogging after a major disaster in China: A case study of the 2010 Yushu earthquake[C]//Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work,New York,2011:25-34[23] Chun Y, Hwang H, Kim C. A study on the extraction of damage locations using Twitter messages[C]// International Conferences, ASEA and DRBC 2012,Jeju Island, Korea, 2012: 218-224

[24] Hashimoto T, Kuboyama T, Shirota Y. Rumor analysis framework in social media[C]// 2011 IEEE Region 10 Conference Tencon 2011,Bali, 2011: 133-137

[25] Singh A, Singh Y N. Rumor spreading and inoculation of nodes in complex networks[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 675-678

[26] Yin J, Lampert A, Cameron M, et al. Using social media to enhance emergency situation awareness[J]. IEEE Intelligent Systems, 2012, 27(6): 52-59

[27] Imran M, Elbassuoni S, Castillo C, et al. Practical extraction of disaster-relevant information from social media[C]// Proceedings of the 22nd International Conference on World Wide Web companion,Rio de Janeiro, Brazil, 2013: 1021-1024

[28] Yates D, Paquette S. Emergency knowledge management and social media technologies: A case study of the 2010 Haitian earthquake[J]. International Journal of Information Management, 2011, 31(1): 6-13

[29] Kodrich K, Laituri M. Making a connection: Social media's key role in the Haiti earthquake[J]. Journal of Communication & Computer, 2011, 8(8): 624-627

[30] Terpstra T, Vries A, Stronkma R, et al. Towards a realtime Twitter analysis during crises for operational crisis managemen[C]// Proceedings of the 9th International ISCRAM Conference,Vancouver, Canada, 2012: 1-9

[31] Lai J. Utilizing Facebook application for disaster relief: Social network analysis of American Red Cross cause joiners[D]. Florida: University of South Florida, 2010:1-85

[32] Jung Y N, Joshi J B D. CPBAC: Property-based access control model for secure cooperation in online social networks[J]. Computers & Security, 2014, 41: 19-39

[33] Bird D, Ling M, Haynes K. Flooding Facebook -The use of social media during the Queensland and Victorian floods[J]. The Australian Journal of Emergency Management, 2012, 27(1): 27-33

[34] Kent J D, Capello H T. Spatial patterns and demographic indicators of effective social media content during the Horsethief Canyon fire of 2012[J]. Cartography and Geographic Information Science, 2013, 40(2): 78-89

[35] Peary B D M, Shaw R, Takeuchi Y. Utilization of social media in the East Japan earthquake and tsunami and its effectiveness[J]. Journal of Natural Disaster Science, 2012, 34(1): 3-18

[36] Tseng S F, Chen W C, Chi C L. Online social media in a disaster event: Network and public participation[C]// Digital Information and Communication Technology and Its Applications -International Conference, DICTAP 2011,Dijon, France, 2011: 256-264

[37] Tyshchuk Y, Wallace W. The use of social media by local government in response to an extreme event: Del Norte County, Ca response to the 2011 Japan tsunami[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 802-811

[38] Gao H, Wang X, Barbier G, et al. Promoting coordination for disaster relief: From crowdsourcing to coordination[C]// Proceedings of the 4th International Conference on Social Computing, Behavioral-cultural Modeling and Prediction,College Park, MD, USA, 2011: 197-204

[39] Hughes A L, Palen L, Sutton J, et al. “Site-Seeing” in disaster: An examination of on-line social convergence[C]// Proceedings of the 5th International ISCRAM Conference,Washington DC, USA, 2008: 1-10

[40] Maceachren A M, Robinson A C, Jaiswal A, et al. Geo-Twitter analytics: Application in crisis management[C]// 25th International Cartographic Conference,Paris, France, 2011: 1-8

[41] Vivacqua A S, Borges M R S. Taking advantage of collective knowledge in emergency response systems[J]. Journal of Network and Computer Applications, 2012, 35(1): 189-198

[42] Raskob W, Gers E, Drewer P M Z, et al. SECURITY2People-Functionality of the final demonstrator[C]// 7th Security Research Conference,Bonn, Germany, 2012: 81-84

[43] Malizia A, Bellucci A, Diaz P, et al. eStorys: A visual storyboard system supporting back-channel communication for emergencies[J]. Journal of Visual Languages and Computing, 2011, 22(2): 150-169

[44] Muramoto T, Nakayama K, Kobayashi Y, et al. Resident participating Gis-based tsunami disaster control systems for local communities[C]// 2006 International Symposium on Communications and Information Technologies,Bangkok, Thailand, 2006: 751-756

[45] Mcclendon S, Robinson A C. Leveraging geospatially-oriented social media communications in disaster response[C]// Proceedings of the 9th International ISCRAM Conference,Vancouver, Canada, 2012: 2-11

[46] Lingad J, Karimi S, Yin J. Location extraction from disaster-related microblogs[C]// Proceedings of the 22nd International Conference on World Wide Web companion,Rio de Janeiro, Brazil, 2013: 1017-1020

[47] Mcnamara L, Rohner C. Mining conversations of geographically changing users[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 667-670

[48] Ikawa Y, Enoki M, Tatsubori M. Location inference using microblog messages[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 687-690

[49] Enoki M, Ikawa Y, Rudy R. User community reconstruction using sampled microblogging data[C]// Proceedings of the 21st International Conference Companion on World Wide Web,Lyon, France, 2012: 657-660

[50] Gupta A, Joshi A, Kumaraguru P. Identifying and characterizing user communities on Twitter during crisis events[C]// Proceedings of the 2012 Workshop on Data-Driven User Behavioral Modelling and Mining from Social Media,Hawaii, USA, 2012: 23-26

[51] Varga I, Sano M, Torisawa K, et al. Aid is out there: Looking for help from tweets during a large scale disaster[C]// The 51st Annual Meeting of the Association for Computational Linguistics,Sofia, Bulgaria, 2013: 1619-1629

[52] Murakami A, Nasukawa T. Tweeting about the tsunami?: Mining Twitter for information on the Tohoku earthquake and tsunami[C]// Proceedings of the 21st International Conference Companion on World Wide Web,New York, 2012: 709-710

[53] Neubig G, Matsubayashi Y, Hagiwara M. Safety information mining — What can NLP do in a disaster[C]// Proceedings of the 5th International Joint Conference on Natural Language Processing,Chiang Mai, Thailand, 2011: 965-973

[54] Macias W, Hilyard K, Freimuth V. Blog functions as risk and crisis communication during Hurricane Katrina[J]. Journal of Computer-Mediated Communication, 2009, 15(1): 1-31

[55] Stiegler R,Tilley S,Parveen T.Finding family and friends in the aftermath of a disaster using federated queries on social networks and websites[C]//13th IEEE International Symposium on Web Systems Evolution,Williamsburg,VI,2011:21-26[56] Morales X Y Z G. Networks to the rescue: Tweeting relief and aid during Typhoon Ondoy[D]. Washington, DC: Georgetown University, 2010: 1-69

[57] Callahan C M. Responding to crises on Facebook: A case study of the Iranian election protests and the 2010 Chilean earthquake[D]. Minnesota: University of Minnesota, 2011: 1-87

[58] Slagh C L. Managing chaos, 140 characters at a time: How the usage of social media in the 2010 Haiti crisis enhanced disaster relief[D]. Washington, DC: Georgetown University, 2010:1-77

[59] Lobb A, Mock N, Hutchinson P L. Traditional and social media coverage and charitable giving following the 2010 earthquake in Haiti[J]. Prehosp Disaster Med, 2012, 27(4): 319-324

[60] Martin J A. Closing gaps in international knowledge and participation: News attention, online expression, and the 2010 Haiti earthquake[J]. Mass Communication and Society, 2013, 16(3): 417-440

[61] Imran M, Elbassuoni S, Castillo C, et al. Extracting information nuggets from disaster-related messages in social media[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 1-10

[62] Starbird K. Digital volunteerism: Examining connected crowd work during mass disruption events[C]// 2012 Conference on Computer Supported Cooperative Work,Seattle, Washington, USA, 2012: 116-123

[63] Reuter C, Heger O, Pipek V. Combining real and virtual volunteers through social media[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 780-790

[64] Shaw F, Burgess J, Crawford K, et al. Sharing news, making sense, saying thanks -Patterns of talk on Twitter during the Queensland floods[J]. Australian Journal of Communication, 2013, 40(1): 23-39

[65] Wilensky H. Disaster symbols and cultural responses[C]// 2012 Conference on Computer Supported Cooperative Work,Seattle, Washington, USA, 2012:67-73

[66] Mandel B, Culotta A, Boulahanis J, et al. A demographic analysis of online sentiment during Hurricane Irene[C]// Proceedings of the Second Workshop on Language in Social Media,Montreal, Canada, 2012: 27-36

[67] Doan S, Vo B H, Collier N. An analysis of twitter messages in the 2011 Tohoku earthquake[C]// 4th International Conference, eHealth 2011,Málaga, Spain, 2011: 1-9

[68] Kaigo M. Social media usage during disasters and social capital: Twitter and the Great East Japan earthquake[J]. Keio Communication Review, 2012, (34): 19-35

[69] Casacchia M, Pollice R, Roncone R. The narrative epidemiology of L'aquila 2009 earthquake[J]. Epidemiology and Psychiatric Sciences, 2012, 21(1): 13-21

[70] Ben-Ezra M, Palgi Y, Aviel O, et al. Face it: Collecting mental health and disaster related data using Facebook Vs. personal interview: The case of the 2011 Fukushima nuclear disaster[J]. Psychiatry Research, 2013, 208(1): 91-93

[71] Maxwell E M. Motivations to tweet: A uses and gratifications perspective of Twitter use during a natural disaster[D]. Uscaloosa, Alabama: The University of Alabama, 2012:1-85

[72] Zhu J, Xiong F, Piao D, et al. Statistically modeling the effectiveness of disaster information in social media[C]// Proceedings of the 2011 IEEE Global Humanitarian Technology Conference,Washington DC, USA, 2011: 431-436

[73] Muralidharan S, Rasmussen L, Patterson D, et al. Hope for Haiti: An analysis of Facebook and Twitter usage during the earthquake relief efforts[J]. Public Relations Review, 2011, 37(2): 175-177

[74] Chae J, Thom D, Jang Y, et al. Public behavior response analysis in disaster events utilizing visual analytics of microblog data[J]. Computers & Graphics-Uk, 2014(38): 51-60

[75] Cheong F, Cheong C. Social media data mining: A social network analysis of tweets during the 2010-2011 Australian floods[C]// 15th Pacific Asia Conference on Information Systems (PACIS),Brisbane, Australia, 2011: 1-16

[76] Tyshchuk Y, Wallace W A. Actionable information during extreme events-Case study: Warnings and 2011 Tohoku earthquake[C]// IEEE International Conference on Social Computing and 2012 ASE/IEEE International Conference on Privacy, Security, Risk and Trust,Amsterdam, Netherlands, 2012: 338-347

[77] Carta P. Implementation of a disaster mode to maintain Twitter communications in times of network outages[D]. Zurich: Swiss Federal Institute of Technology in Zurich, 2011:1-77

[78] Hossmann T, Legendre F, Carta P, et al. Twitter in disaster mode: Opportunistic communication and distribution of sensor data in emergencies[C]// Proceedings of the 3rd Extreme Conference on Communication: The Amazon Expedition,Manaus, Brazil, 2011: 1-6

[79] Patton R M, Steed C A, Stahl C G. Visualizing community resilience metrics from Twitter data[C]// Seventh International AAAI Conference on Weblogs and Social Media,Cambridge, Massachusetts, 2013: 6-9

[80] Patton R M, Steed C A, Stahl C G, et al. Observing community resiliency in social media[C]// 13th International Conference on Computational Science and Applications,Ho Chi Minh City, Vietnam, 2013: 491-501

[81] Nicholls S. The resilient community and communication practice[J]. The Australian Journal of Emergency Management, 2012, 27(1): 46-51

[82] Dufty N. Using social media to build community disaster resilience[J]. The Australian Journal of Emergency Management, 2012, 27(1): 40-45

[83] Merrick D F, Duffy T. Utilizing community volunteered information to enhance disaster situational awareness[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 858-862

[84] Vieweg S, Hughes A L, Starbird K, et al. Microblogging during two natural hazards events: What Twitter may contribute to situational awareness[C]// Proceedings of the SIGCHI Conference on Human Factors in Computing Systems,Atlanta, Georgia, USA, 2010: 1079-1088

[85] Liu S, Palen L, Sutton J, et al. In search of the bigger picture: The emergent role of on-line photo sharing in times of disaster[C]// Proceedings of the Information Systems for Crisis Response and Management Conference (ISCRAM 2008),Washington DC, USA, 2008: 1-10

[86] Earle P S, Guy M, Buckmaster R, et al. OMG earthquake! Can Twitter improve earthquake response?[J]. Seismological Research Letters, 2010, 81(2): 246-251

[87] Tapia A H, Moore K A. Beyond the trustworthy tweet: A deeper understanding of microblogged data use by disaster response and humanitarian relief organizations[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 770-779

[88] Hiltz S R,Plotnick L.Dealing with information overload when using social media for emergency management: Emerging solutions[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden,Germany,2013:823-827[89] Helsloot I, Groenendaal J. Twitter: An underutilized potential during sudden crises?[J]. Journal of Contingencies and Crisis Management, 2013, 21(3): 178-183

[90] Beneito-Montagut R, Anson S, Shaw D, et al. Governmental social media use for emergency communication[C]// Proceedings of the 10th International ISCRAM Conference,Baden-Baden, Germany, 2013: 828-833

Leveraging Social Media in Natural Disaster: A Literature Research from Perspectives of Research Fields and Methods

Zong Qianjin1Shen Hongzhou2

(1.School of Economics and Management, South China Normal University, Guangzhou 510006;2.School of Management, Nanjing University of Posts and Telecommunications, Nanjing 210023)

[Abstract]This study provides an overview of leveraging social media in natural disaster from perspectives of research fields and methods. The main findings are as follows: (1) the research fields are natural disaster prevention, detection & notification of natural disaster events, characteristics of information dissemination, detection & control of rumor and inaccurate information, natural disaster relief, emotion & social tie, motivation & behavior characteristics, maintaining social media communications during natural disaster, and community resilience; (2) content analysis, text mining, framing theory, social network analysis, case study, interview, and statistical methods are widely used. Based on the results, this paper points out the limitations of the researches, and proposes the future research work for researchers.

[Key words]Social mediaSocial networking serviceMicro-bloggingNatural disasterDisaster reliefInformation distribution

[基金項目]國家自然科學基金項目“基于社會化媒體的突發(fā)事件應急管理眾包模式研究”(71403134)；教育部人文社會科學研究青年基金項目“突發(fā)事件下社會化媒體用戶參與應急管理的激勵策略及眾包模式研究”(14YJCZH122)；江蘇高校哲學社會科學研究基金資助項目“突發(fā)事件下社會化媒體用戶參與應急管理的激勵機制研究”(2014SJB009)。

[作者簡介]宗乾進，男，講師，博士，研究方向為社交媒體、信息系統(tǒng)，Email：zongqj@m.scnu.edu.cn；沈洪洲，男，講師，博士，研究方向為社交媒體、應急管理。

[中圖分類號]G203

[文獻標識碼]A

[文章編號]2095-2171(2016)02-0029-12

DOI:10.13365/j.jirm.2016.02.029

(收稿日期：2015-10-18)