Invisible cities: exploring psychological urban data

• Autor(a) principal: João Paulo Barros Cotta Pesce
• Data de Publicação: 2014
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/ESBF-9TEPKF
• topic: Informática urbana; Análise espacial; Urban informatics; Social media; Web science; Future cities; Mídias sociais; Computação; Análise espacial (Estatística)

Urbanistas e psicólogos sociais sugeriram que a facilidade de reconhecimento de um certo ambiente urbano está ligado ao bem estar social-econômico de seus habitantes. Nós criamos um jogo online que testa o reconhecimento das regiões de Londres. Ele segue, da forma mais próxima possível, um experimento conduzido por Stanley Milgram em 1972. Cada participante dedica apenas alguns minutos nessa tarefa (contrastando com os 90 minutos do experimento de Milgram). Nós coletamos resultados de 2.255 participantes (amostra com uma ordem de grandeza maior) e, baseando-se nas respostas, construímos o mapa de reconhecimento de Londres. Nós descobrimos que alguns bairros possuem baixa representação cognitiva; que o reconhecimento de uma área é explicada parcialmente pela sua exposição no Flickr e Foursquare e, mais fortemente, ao fluxo de pessoas no metrô; e que áreas com baixo reconhecimento não se mostram piores em indicadores econômicos como renda, educação e emprego, mas sofrem significativamente de problems sociais como privação habitacional, condições precárias de vida e crime. Esses resultados não seriam possíveis sem uma análise dos ambiente online e offline: isto é, sem considerar as interações de locais no mundo real e a sua presença virtual em plataformas como o Flickr e Foursquare. Em seguida, nós usamos os resultados desse experimento, juntamente com outros dados urbanos, para contribuir para o problema de identificação de imagens interessantes e memoráveis em sites de compartilhamento de fotos. Até então, propostas para identificação dessas imagens basearam-se ou em metadados (e.g., curtidas) ou características visuais. Na prática, técnicas baseadas nesses dois métodos não funcionam sempre: metadados são esparsos (apenas uma pequena porção de imagens tem um número considerável de curtidas), e a extração de características visuais é computacionalmente custoso. Em soluções móveis, conteúdos geo-referenciados têm se tornado cada vez mais importantes. A premissa por trás deste trabalho é que as fotos de uma região estão ligadas com o modo como essa região é percebida: por exemplo, se ela é vista como bonita e característica ou não. Desde os anos 70, teorias urbanas propostas por Lynch, Milgram e Peterson visam capturar sistematicamente o modo como as pessoas entendem suas cidades. Neste estudo, nós testamos se essas teorias poderiam ser usada para identificar automaticamente figuras atraentes em cidades. Para isso, coletamos fotos geo-referenciadas de Londres no Flickr; selecionamos seis qualidades urbanas associadas às teorias urbanas mencionadas anteriormente; computamos meios para prever essas qualidades a partir de dados de redes sociais; e, com base nisso, ordenamos as fotos do Flickr. Nós descobrimos que nossa proposta possui três propriedades desejadas nesse contexto: ela é efetiva, escalável, e sensível a mudanças de contexto, como hora do dia e condição climática. Esses resultados sugerem novas direções de pesquisa para abordagens de aprendizado multimodal que automaticamente identificam fotos urbanas relevantes em serviços de compartilhamento de imagens