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 SizeFormat 
5387803720.pdf4.02 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.