Елизавета Владимировна Малютина, младший научный сотрудник Федерального государственного бюджетного учреждения науки Научно-инженерный центр «Надежность и ресурс больших систем и машин» Уральского отделения Российской академии наук; аспирант УрО РАН
ул. Студенческая, 54-а, г. Екатеринбург, Свердловская область, 620049
Elizaveta V. Malyutina, Junior Researcher, Science and Engineering Center «Reliability and Safety of Large Systems and Machines», Ural Branch of the Russian Academy of Sciences; postgraduate student, UB RAS
54-a Studencheskaya St., Yekaterinburg, Sverdlovsk Region, 620049
Цель исследования заключается в разработке и апробации методики анализа данных из социальных сетей, которая позволит повысить надежность систем реагирования на чрезвычайные ситуации за счет оперативного выявления, оценки масштаба, локализации и прогнозирования кризисных событий с учетом региональных особенностей общественной активности. Для достижения этой цели была создана программа на Python, выполняющая автоматизированный сбор, предварительную обработку и комплексный анализ данных из социальной сети ВКонтакте. Программа была протестирована на данных двух городов – Архангельска и Екатеринбурга, чтобы продемонстрировать ее применимость для мониторинга ЧС в различных регионах.
Методы. В ходе исследования применялись методы сбора данных из открытых групп ВКонтакте, их предварительной обработки и комплексного анализа, который включал текстовый анализ (определение тональности комментариев и построение облаков слов), математический анализ (расчет энтропии и производной энтропии для оценки динамики активности) и анализ внешних факторов (влияние метеорологических условий, праздничных дней и выходных).
Результаты. Исследование выявило значительные региональные различия в уровне социальной активности по различным категориям чрезвычайных ситуаций. Уровень активности в Архангельске превышает уровень в Екатеринбурге минимум в два раза, несмотря на меньшее население города. Характер активности также существенно различается: в Екатеринбурге наблюдаются более резкие всплески активности, тогда как в Архангельске активность распределена более равномерно. Сезонность проявляется в увеличении активности в периоды технических работ или экстремальных погодных условий. В категории «Пожар» оба города демонстрируют высокую и устойчивую активность, однако в Екатеринбурге отмечаются более резкие всплески, особенно в конце марта и начале апреля, что может свидетельствовать о крупных инцидентах. В категории «Отключение воды» в Архангельске зафиксированы два значительных пика активности – в апреле и 31 июля–1 августа, что может указывать на массовые проблемы с водоснабжением. В Екатеринбурге активность в этой категории значительно ниже, но чаще, что может говорить о мелких перебоях или информационных сообщениях.
Выводы. Социальные сети представляют собой ценный источник данных для анализа общественной реакции на чрезвычайные ситуации. Выявленные региональные особенности поведения пользователей подчеркивают необходимость создания адаптированных систем мониторинга и прогнозирования, учитывающих специфику каждого региона. Использование данных из социальных сетей позволяет повысить надежность и эффективность систем реагирования за счет быстрого определения масштаба, местоположения и последствий инцидентов, а также выявления сезонных и локальных угроз. Полученные данные подтверждают необходимость внедрения автоматических инструментов анализа, способных оперативно оценивать ситуацию. Социальные сети могут служить индикатором сезонных и локальных угроз, что позволяет заранее готовиться к потенциальным рискам. Выявленные различия в уровнях активности между регионами подчеркивают важность учета местных условий при разработке стратегий информирования и управления кризисными ситуациями. Активное использование социальных сетей в качестве платформы для гражданского участия демонстрирует их потенциал для усиления взаимодействия между населением и органами управления в условиях кризиса.
The Aim of this study is to develop and validate a methodology for analyzing social media data to enhance the reliability of emergency response systems by enabling rapid identification, assessment of scale, location, and forecasting of crisis events based on regional specifics of public activity. To achieve this goal, a Python‑based program was developed to automate the collection, preprocessing, and comprehensive analysis of data from the VKontakte social network. The program was tested using data from two cities with different demographic characteristics and socio‑economic conditions, i.e., Arkhangelsk and Yekaterinburg.
Methods. The research employed methods of data collection from open VKontakte groups, followed by preprocessing and comprehensive analysis. The analysis included text analysis (sentiment analysis and word cloud generation), mathematical analysis (entropy and entropy derivative calculations to assess activity dynamics), and external factor analysis (the influence of meteorological conditions, holidays, and weekends).
Results. The study revealed significant regional differences in social activity levels across various categories of emergency situations. Activity levels in Arkhangelsk were at least twice as high as those in Yekaterinburg, despite the smaller population of the city. The nature of activity also differed significantly: sharp spikes in activity were observed in Yekaterinburg, while activity in Arkhangelsk was more evenly distributed. Seasonality manifested in increased activity during periods of technical work or extreme weather conditions. In the “Fire” category, both cities demonstrated high and sustained activity; however, sharper spikes were noted in Yekaterinburg, particularly at the end of March and beginning of April, potentially indicating major incidents. In the “Water Outage” category, two significant peaks in activity were recorded in Arkhangelsk, in April and onJuly 31 and August 1, possibly pointing to widespread water supply issues. In Yekaterinburg, activity in this category was lower but more frequent, likely reflecting minor disruptions or informational updates.
Conclusion. Social networks serve as a valuable source of data for analyzing public reactions to emergency situations. The identified regional characteristics of user behavior high light the need to create adaptive monitoring and forecasting systems that account for the specific features of each region. Using data from social networks enhances the reliability and efficiency of response systems by enabling rapid determination of incident scale, location, and consequences, as well as identifying seasonal and local threats. The findings confirm the necessity of implementing automated analytical tools capable of promptly assessing situations. Social networks can act as indicators of seasonal and local threats, allowing for proactive risk preparation. The observed differences in activity levels between regions underscore the importance of considering local conditions when developing strategies for communication and crisis management. Active use of social networks as a platform for civic participation demonstrates their potential to strengthen interaction between the public and authorities during crises.
The authors declare that there are no conflicts of interest present.