تحلیل داده‌های عینی و ذهنی در علوم اجتماعی: مفاهیم ضمنی برای شهرهای هوشمند
تعداد کلمات فایل انگلیسی:10496کلمه 17صفحه pdf
تعداد صفحات فایل ترجمه:46صفحه word فونت14 Arial
چکیده: تسهیل استقرار فن‌آوری‌های دیجیتال و اینترنت اشیا، به ما این فرصت را می‌دهد تا مطالعات اجتماعی در مقیاس بزرگ را انجام داده و مقادیر عظیمی از داده‌ها را از شهرهای خود جمع‌آوری کنیم. در این پژوهش به بررسی روش جدیدی برای تجزیه و تحلیل داده‌ها از مطالعات علوم اجتماعی با استفاده از تکنیک‌های یادگیری ماشینی و تکنیک‌های علوم داده می‌پردازیم. این امر ما را قادر می‌سازد تا بینش به‌دست‌آمده از این نوع مطالعات را با ادغام هدف (اطلاعات سنسور) و داده‌های ذهنی (ورودی مستقیم از کاربران) به حداکثر برسانیم. مطالعه آزمایشی به درک بهتر تعاملات بین شهروندان و فضاهای سبز شهری می‌پردازد. یک آزمایش می‌دانی در شفیلد در انگلستان انجام شد و در سال ۱۸۷۰ شرکت کنندگان برای دو دوره زمانی مختلف (۷ و ۳۰ روزه) شرکت کردند.
با کمک یک اپلیکیشن موبایل، هم داده‌های عینی و هم داده‌های ذهنی جمع‌آوری شدند. ردیابی مکانی زمانی ثبت شد که مردم وارد هر یک از فضاهای سبز در دسترس عموم شدند. این با اطلاعات متنی و تصویری تکمیل شد که کاربران می‌توانستند به طور خود به خود یا زمانی که عجله دارند وارد شوند (وقتی که وارد فضای سبز می‌شوند). با استفاده از تکنیک‌های یادگیری و تکنیک‌های یادگیری ماشین، ویژگی‌های اصلی مشاهده‌شده توسط شهروندان هم از طریق متن و هم تصویر را شناسایی می‌کنیم. به علاوه، ما زمان سپری‌شده توسط مردم در پارک‌ها و همچنین مناطق با تعامل بالا را مورد تجزیه و تحلیل قرار می‌دهیم. این مطالعه به ما اجازه می‌دهد تا مرور کلی در مورد الگوهای خاص و رفتار شهروندان در محیط اطرافشان را به دست آوریم و این نشان‌دهنده توانایی‌های یکپارچه‌سازی فن‌آوری در مطالعات اجتماعی در مقیاس بزرگ است.
اصطلاحات شاخص: تحلیل داده‌ها، علوم داده‌ها، شهرهای هوشمند، علوم اجتماعی، تجزیه و تحلیل شهری، برنامه‌ریزی شهری.
Analysing objective and subjective data in social sciences: Implications for Smart Cities
ABSTRACT The ease of deployment of digital technologies and the Internet of Things, gives us the
opportunity to carry out large scale social studies and to collect vast amounts of data from our cities. In
this work we investigate a novel way of analysing data from social sciences studies by employing machine
learning and data science techniques. This enables us to maximise the insight gained from this type of
studies by fusing both objective (sensor information) and subjective data (direct input from the users).
The pilot study is concerned with better understanding the interactions between citizens and urban green
spaces. A field experiment was carried out in Sheffield, UK, involving 1870 participants for two different
time periods (7 and 30 days). With the help of a smartphone app, both objective and subjective data was
collected. Location tracking was recorded as people entered any of the publicly accessible green spaces. This
was complemented by textual and photographic information that users could insert spontaneously or when
prompted (when entering a green space). By employing data science and machine learning techniques, we
identify the main features observed by the citizens through both text and images. Furthermore, we analyse
the time spent by people in parks, as well as the top interaction areas. The study allows us to gain an
overview about certain patterns and the behaviour of the citizens within their surroundings and it proves the
capabilities of integrating technology into large-scale social studies.
INDEX TERMS Data analysis, data science, smart cities, social science, urban analytics, urban planning.
کد:13306
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
تحلیل داده‌های عینی و ذهنی در علوم اجتماعی: مفاهیم ضمنی برای شهرهای هوشمند
تعداد کلمات فایل انگلیسی:10496کلمه 17صفحه pdf
تعداد صفحات فایل ترجمه:46صفحه word فونت14 Arial
چکیده: تسهیل استقرار فن‌آوری‌های دیجیتال و اینترنت اشیا، به ما این فرصت را می‌دهد تا مطالعات اجتماعی در مقیاس بزرگ را انجام داده و مقادیر عظیمی از داده‌ها را از شهرهای خود جمع‌آوری کنیم. در این پژوهش به بررسی روش جدیدی برای تجزیه و تحلیل داده‌ها از مطالعات علوم اجتماعی با استفاده از تکنیک‌های یادگیری ماشینی و تکنیک‌های علوم داده می‌پردازیم. این امر ما را قادر می‌سازد تا بینش به‌دست‌آمده از این نوع مطالعات را با ادغام هدف (اطلاعات سنسور) و داده‌های ذهنی (ورودی مستقیم از کاربران) به حداکثر برسانیم. مطالعه آزمایشی به درک بهتر تعاملات بین شهروندان و فضاهای سبز شهری می‌پردازد. یک آزمایش می‌دانی در شفیلد در انگلستان انجام شد و در سال ۱۸۷۰ شرکت کنندگان برای دو دوره زمانی مختلف (۷ و ۳۰ روزه) شرکت کردند.
با کمک یک اپلیکیشن موبایل، هم داده‌های عینی و هم داده‌های ذهنی جمع‌آوری شدند. ردیابی مکانی زمانی ثبت شد که مردم وارد هر یک از فضاهای سبز در دسترس عموم شدند. این با اطلاعات متنی و تصویری تکمیل شد که کاربران می‌توانستند به طور خود به خود یا زمانی که عجله دارند وارد شوند (وقتی که وارد فضای سبز می‌شوند). با استفاده از تکنیک‌های یادگیری و تکنیک‌های یادگیری ماشین، ویژگی‌های اصلی مشاهده‌شده توسط شهروندان هم از طریق متن و هم تصویر را شناسایی می‌کنیم. به علاوه، ما زمان سپری‌شده توسط مردم در پارک‌ها و همچنین مناطق با تعامل بالا را مورد تجزیه و تحلیل قرار می‌دهیم. این مطالعه به ما اجازه می‌دهد تا مرور کلی در مورد الگوهای خاص و رفتار شهروندان در محیط اطرافشان را به دست آوریم و این نشان‌دهنده توانایی‌های یکپارچه‌سازی فن‌آوری در مطالعات اجتماعی در مقیاس بزرگ است.
اصطلاحات شاخص: تحلیل داده‌ها، علوم داده‌ها، شهرهای هوشمند، علوم اجتماعی، تجزیه و تحلیل شهری، برنامه‌ریزی شهری.
Analysing objective and subjective data in social sciences: Implications for Smart Cities
ABSTRACT The ease of deployment of digital technologies and the Internet of Things, gives us the
opportunity to carry out large scale social studies and to collect vast amounts of data from our cities. In
this work we investigate a novel way of analysing data from social sciences studies by employing machine
learning and data science techniques. This enables us to maximise the insight gained from this type of
studies by fusing both objective (sensor information) and subjective data (direct input from the users).
The pilot study is concerned with better understanding the interactions between citizens and urban green
spaces. A field experiment was carried out in Sheffield, UK, involving 1870 participants for two different
time periods (7 and 30 days). With the help of a smartphone app, both objective and subjective data was
collected. Location tracking was recorded as people entered any of the publicly accessible green spaces. This
was complemented by textual and photographic information that users could insert spontaneously or when
prompted (when entering a green space). By employing data science and machine learning techniques, we
identify the main features observed by the citizens through both text and images. Furthermore, we analyse
the time spent by people in parks, as well as the top interaction areas. The study allows us to gain an
overview about certain patterns and the behaviour of the citizens within their surroundings and it proves the
capabilities of integrating technology into large-scale social studies.
INDEX TERMS Data analysis, data science, smart cities, social science, urban analytics, urban planning.
کد:13306
دانلود رایگان مقاله انگلیسی