Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/50175
Title: | นวัตกรรมกระบวนการจัดการข้อมูลจากการรายงานของมวลชนในช่วงเวลาการเผชิญภัยพิบัติ |
Other Titles: | An innovative process for managing crowdsourced information during disaster response |
Authors: | รังสรรค์ เกียรติ์ภานนท์ |
Advisors: | อุทัย ตันละมัย ประภาส จงสถิตย์วัฒนา อัจฉรา จันทร์ฉาย |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย |
Advisor's Email: | [email protected],[email protected] [email protected] [email protected] |
Subjects: | ระบบเตือนภัยธรรมชาติ ภัยธรรมชาติ -- ระบบสื่อสาร Natural disaster warning systems Natural disasters -- Communication systems |
Issue Date: | 2558 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | ภัยพิบัติทางธรรมชาติสร้างความเสียหายอย่างมหาศาลต่อมนุษยชาติทั่วโลก นานาประเทศจึงมีเป้าหมายร่วมกันในการที่จะลดความสูญเสียดังกล่าวให้น้อยที่สุด แนวคิดการจัดการภัยพิบัติแบบดั้งเดิมซึ่งเน้นการรวมศูนย์ข้อมูลและการสั่งการ ทำให้เกิดปัญหาคอขวดด้านการจัดการจน ไม่สามารถจัดการภัยพิบัติได้อย่างมีประสิทธิภาพในหลายกรณี โดยเฉพาะภัยขนาดใหญ่ ระดับการพัฒนาของเทคโนโลยีในปัจจุบันซึ่งเอื้ออำนวยให้ประชาชนทั่วไปสามารถทำหน้าที่เป็นผู้รายงานข้อมูลในเหตุการณ์ภัยพิบัติได้ จึงกลายเป็นทั้งโอกาส และความท้าทายในการคัดเลือกเฉพาะข้อมูลที่มีประโยชน์จากภูเขาข้อมูลที่ทุกคนสามารถรายงานได้อย่างอิสระ งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษากระบวนการนวัตกรรมเพื่อการจัดการข้อมูลจากมวลชนในช่วงเวลาภัยพิบัติ โดยข้อมูลที่ใช้ในการศึกษาเป็นข้อมูลจริงจากระบบทวิตเตอร์ในช่วงเหตุการณ์น้ำท่วมปีพ.ศ.2554 โดยการสังเคราะห์กระบวนการนวัตกรรมเริ่มจากการศึกษากระบวนการในการจัดการภัยพิบัติปัจจุบัน การวิเคราะห์ลักษณะและแบบแผนของข้อมูล การกำหนดหมวดหมู่ของข้อความที่เหมาะสม การทดลองสร้าง Machine Learning Classifier โดยเปรียบเทียบประสิทธิภาพของ Algorithm ที่แตกต่างกันถึง 4 อัลกอริทึม โดยผลการศึกษาพบว่า SVM Algorithm ให้ผลลัพธ์ในการจัดหมวดหมู่ได้ดีที่สุดโดยให้ค่าความแม่นยำเฉลี่ยสูงถึง 74% และเมื่อเพิ่มการหาพิกัดตำแหน่งของข้อมูลเพื่อระบุพิกัดตำแหน่งของข้อมูลลงบนแผนที่แสดงผลบนระบบเปิดซอสโค้ด Ushahidi ทำให้ได้เป็นระบบต้นแบบที่ได้รับการยอมรับจากองค์กรจัดการภัยพิบัติชั้นนำของประเทศ ทั้งในระดับบริหาร และในระดับปฏิบัติการ และมีศักยภาพเชิงพาณิชย์ในการพัฒนาต่อยอด |
Other Abstract: | Natural disasters cause enormous damage to countries all over the world. As a branch of risk management, traditional disaster management focused on reducing either likelihood or consequence of disaster by centralizing both information and decision at the command center. However, this architecture caused a bottleneck proved inefficient in many major disaster events. Current technological state that enables people to act as real-time information sources raise both opportunities and challenges regarding how to extract the valuable information from a gigantic data pool in the shortest possible time so that the information is still useful and actionable. The objective of this research is to identify an actionable-data-extraction process to deal with the challenges. Twitter was selected as a test case because messages posted on Twitter are publicly available. The information classifications extracted from the collected tweets were first performed manually, and then they were used to train 4 different machine learning algorithms. The study results show that the support vector machine (SVM) algorithm is the best classifier with over 74% accuracy. Moreover, an executable pilot system was developed to visualize the process based on an open-sourced system named 'Ushahidi'. Positive feedback from both leaders and officers confirm technology acceptance from practitioners and also enable feasibility to commercialize the process. |
Description: | วิทยานิพนธ์ (วท.ด.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558 |
Degree Name: | วิทยาศาสตรดุษฎีบัณฑิต |
Degree Level: | ปริญญาเอก |
Degree Discipline: | ธุรกิจเทคโนโลยีและการจัดการนวัตกรรม |
URI: | http://cuir.car.chula.ac.th/handle/123456789/50175 |
URI: | http://doi.org/10.14457/CU.the.2015.929 |
metadata.dc.identifier.DOI: | 10.14457/CU.the.2015.929 |
Type: | Thesis |
Appears in Collections: | Grad - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
5387803720.pdf | 4.02 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.