Skip to main content

COMUNICACION DE CRISIS Y EMERGENCIAS EN SOCIAL MEDIA. ESTUDIO DE SU USO EN ESPAÑA Y DISEÑO DE PROTOCOLOS INFORMATIVOS PARA INSTITUCIONES Y MEDIOS DE COMUNICACION

PID2019-109064GB-I00

•
Funding agency name Agencia Estatal de Investigación
Funding agency acronym AEI
Program Programa Estatal de I+D+i Orientado a los Retos de la Sociedad
Call Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Call year 2019
State Plan 2017-2020 Plan Estatal de Investigación Científica y Técnica y de Innovación
Beneficiary centre UNIVERSITAT POMPEU FABRA CCT

Resultados relacionados

Resultados totales (Incluyendo duplicados): 4
Encontrada(s) 1 página(s)

Repositorio Digital de la UPF
Publication Contribución de congreso (ConferenceOutput)

Using pre-trained language models for abstractive DBPEDIA summarization: a comparative study

  • Zahera, Hamada M.
  • Vitiugin, Fedor
  • Sherif, Mohamed Ahmed
  • Castillo, Carlos
  • Ngonga Ngomo, Axel-Cyrille
Comunicació presentada a la 19th International Conference on Semantic Systems, celebrada del 20 al 22 de setembre de 2023 a Leipzig, Germany., Purpose: This study addresses the limitations of current short abstracts of DBPEDIA entities, which often lack a comprehensive overview due to their creating method (i.e., selecting the first two-three sentences from the full DBPEDIA abstracts). Methodology: We leverage pre-trained language models to generate abstractive summaries of DBPEDIA abstracts in six languages (English, French, German, Italian, Spanish, and Dutch). We performed several experiments to assess the quality of generated summaries by language models. In particular, we evaluated the generated summaries using human judgments and automated metrics (Self-ROUGE and BERTScore). Additionally, we studied the correlation between human judgments and automated metrics in evaluating the generated summaries under different aspects: informativeness, coherence, conciseness, and fluency. Findings: Pre-trained language models generate summaries more concise and informative than existing short abstracts. Specifically, BART-based models effectively overcome the limitations of DBPEDIA short abstracts, especially for longer ones. Moreover, we show that BERTScore and ROUGE-1 are reliable metrics for assessing the informativeness and coherence of the generated summaries with respect to the full DBPEDIA abstracts. We also find a negative correlation between conciseness and human ratings. Furthermore, fluency evaluation remains challenging without human judgment. Value: This study has significant implications for various applications in machine learning and natural language processing that rely on DBPEDIA resources. By providing succinct and comprehensive summaries, our approach enhances the quality of DBPEDIA abstracts and contributes to the semantic web community., This work has been supported by the German Federal Ministry of Education and Research (BMBF) through the EuroStars project E!114154 PORQUE (grant no 01QE2056C) and the KIAM project (grant no 02L19C115). Additionally, this work has been partially supported by: the Department of Research and Universities of the Government of Catalonia (SGR00930), the Ministry of Science and Innovation of Spain with the project COMCRISIS (reference code PID2019−109064GB−I00), the EU-funded SoBigData++ project under Grant Agreement 871042 and MCIN/AEI /10.13039/501100011033 under the Maria de Maeztu Units of Excellence Programme (CEX2021−001195− M).
Repositori Obert UdL
Publication Contribución de congreso (ConferenceOutput)

Comunicando la pandemia de la Covid-19: análisis de los perfiles institucionales y mediáticos en Twitter, Facebook e Instagram

  • Suau Gomila, Guillem
  • Guerrero-Martínez, Ignacio
  • Sánchez Calero, Luisa
  • Pont-Sorribes, Carles
La crisis de la Covid-19 ha sido una emergencia sanitaria con graves implicaciones sociales y de salud pública que ha causado, en España, más de 85 mil muertes y un Estado de Alarma que suspendió derechos fundamentales de la ciudadanía y que duró desde marzo de 2020 hasta mayo de 2021. En este contexto, la ciudadanía recurrió a las redes sociales (Twitter, Facebook e Instagram) como fuente informativa; de hecho, según el Digital News Report, del Instituto Reuters el 55 % de la población española usó las redes sociales con fines informativos (Newman, Fletcher, Schulz, Andi, Robertson, Nielsen, 2021). Desde una perspectiva teórica, hay autores que defienden la utilidad de las redes sociales para comunicar eficientemente, las emergencias (Chivite-Fernández y Serrano-Rodríguez, 2013; Moya-Sánchez y Herrera-Damas, 2015; Watson, Finn y Wadhwa, 2017; Pulido-Polo, Hernández-Santaolalla y Lizano-González, 2021) y otros autores críticos con su uso (Eriksson y Olsson, 2016; Barnett y Reynolds, 2009; Díaz-Campo, Chaparro-Domínguez y Rodríguez-Martínez, 2018). Los partidarios de estas plataformas sostienen que éstas permiten una comunicación inmediata entre el sistema político y la ciudadanía, y conduce a una mayor interacción entre los perfiles implicados y a nuevas fórmulas informativas más eficientes de comunicación. Sin embargo, los detractores o críticos de las redes sociales en casos de emergencia argumentan que amplifican el miedo, la percepción de riesgo y difunden desinformación. El principal objetivo de la investigación es comparar el uso de las diferentes plataformas por parte de los perfiles institucionales y mediáticos, y monitorizar el alcance (impacto) de sus publicaciones. Se ha utilizado una metodología cuantitativa y la investigación tiene profundidad analítica e interpretativa. Las técnicas de investigación utilizadas son el análisis de las métricas de las redes sociales y el análisis de contenido cuantitativo. La obtención muestral se ha realizado a través de la API de Twitter y mediante el software especializado Crowdtangle, para el caso de Facebook e Instagram. Los resultados permiten concluir que: a) Twitter es la plataforma más usada en situaciones de emergencias; b) los perfiles mediáticos logran mayor viralidad que los perfiles institucionales; y, finalmente c) en general, la comunicación de crisis en social media es excesivamente unidireccional, con escasa interacción con la ciudadanía., Esta comunicación forma parte del proyecto de investigación competitivo: ‘Comunicación de crisis y emergencias en Social Media. Estudio de su uso en España y diseño de protocolos informativos para instituciones y medios de comunicación (COMCRISIS)’ concedido y financiado por el Ministerio de Ciencia e Innovación del Gobierno de España con código de referencia PID2019- 109064GB-I00.
Recercat. Dipósit de la Recerca de Catalunya
Publication Contribución de congreso (ConferenceOutput)

Comunicando la pandemia de la Covid-19: análisis de los perfiles institucionales y mediáticos en Twitter, Facebook e Instagram

  • Suau Gomila, Guillem
  • Guerrero-Martínez, Ignacio
  • Sánchez Calero, Luisa
  • Pont-Sorribes, Carles
La crisis de la Covid-19 ha sido una emergencia sanitaria con graves implicaciones sociales y de salud pública que ha causado, en España, más de 85 mil muertes y un Estado de Alarma que suspendió derechos fundamentales de la ciudadanía y que duró desde marzo de 2020 hasta mayo de 2021. En este contexto, la ciudadanía recurrió a las redes sociales (Twitter, Facebook e Instagram) como fuente informativa; de hecho, según el Digital News Report, del Instituto Reuters el 55 % de la población española usó las redes sociales con fines informativos (Newman, Fletcher, Schulz, Andi, Robertson, Nielsen, 2021). Desde una perspectiva teórica, hay autores que defienden la utilidad de las redes sociales para comunicar eficientemente, las emergencias (Chivite-Fernández y Serrano-Rodríguez, 2013; Moya-Sánchez y Herrera-Damas, 2015; Watson, Finn y Wadhwa, 2017; Pulido-Polo, Hernández-Santaolalla y Lizano-González, 2021) y otros autores críticos con su uso (Eriksson y Olsson, 2016; Barnett y Reynolds, 2009; Díaz-Campo, Chaparro-Domínguez y Rodríguez-Martínez, 2018). Los partidarios de estas plataformas sostienen que éstas permiten una comunicación inmediata entre el sistema político y la ciudadanía, y conduce a una mayor interacción entre los perfiles implicados y a nuevas fórmulas informativas más eficientes de comunicación. Sin embargo, los detractores o críticos de las redes sociales en casos de emergencia argumentan que amplifican el miedo, la percepción de riesgo y difunden desinformación. El principal objetivo de la investigación es comparar el uso de las diferentes plataformas por parte de los perfiles institucionales y mediáticos, y monitorizar el alcance (impacto) de sus publicaciones. Se ha utilizado una metodología cuantitativa y la investigación tiene profundidad analítica e interpretativa. Las técnicas de investigación utilizadas son el análisis de las métricas de las redes sociales y el análisis de contenido cuantitativo. La obtención muestral se ha realizado a través de la API de Twitter y mediante el software especializado Crowdtangle, para el caso de Facebook e Instagram. Los resultados permiten concluir que: a) Twitter es la plataforma más usada en situaciones de emergencias; b) los perfiles mediáticos logran mayor viralidad que los perfiles institucionales; y, finalmente c) en general, la comunicación de crisis en social media es excesivamente unidireccional, con escasa interacción con la ciudadanía., Esta comunicación forma parte del proyecto de investigación competitivo: ‘Comunicación de crisis y emergencias en Social Media. Estudio de su uso en España y diseño de protocolos informativos para instituciones y medios de comunicación (COMCRISIS)’ concedido y financiado por el Ministerio de Ciencia e Innovación del Gobierno de España con código de referencia PID2019- 109064GB-I00.
Recercat. Dipósit de la Recerca de Catalunya
Publication Contribución de congreso (ConferenceOutput)

Using pre-trained language models for abstractive DBPEDIA summarization: a comparative study

  • Zahera, Hamada M.
  • Vitiugin, Fedor
  • Sherif, Mohamed Ahmed
  • Castillo, Carlos
  • Ngonga Ngomo, Axel-Cyrille
Comunicació presentada a la 19th International Conference on Semantic Systems, celebrada del 20 al 22 de setembre de 2023 a Leipzig, Germany., Purpose: This study addresses the limitations of current short abstracts of DBPEDIA entities, which often lack a comprehensive overview due to their creating method (i.e., selecting the first two-three sentences from the full DBPEDIA abstracts). Methodology: We leverage pre-trained language models to generate abstractive summaries of DBPEDIA abstracts in six languages (English, French, German, Italian, Spanish, and Dutch). We performed several experiments to assess the quality of generated summaries by language models. In particular, we evaluated the generated summaries using human judgments and automated metrics (Self-ROUGE and BERTScore). Additionally, we studied the correlation between human judgments and automated metrics in evaluating the generated summaries under different aspects: informativeness, coherence, conciseness, and fluency. Findings: Pre-trained language models generate summaries more concise and informative than existing short abstracts. Specifically, BART-based models effectively overcome the limitations of DBPEDIA short abstracts, especially for longer ones. Moreover, we show that BERTScore and ROUGE-1 are reliable metrics for assessing the informativeness and coherence of the generated summaries with respect to the full DBPEDIA abstracts. We also find a negative correlation between conciseness and human ratings. Furthermore, fluency evaluation remains challenging without human judgment. Value: This study has significant implications for various applications in machine learning and natural language processing that rely on DBPEDIA resources. By providing succinct and comprehensive summaries, our approach enhances the quality of DBPEDIA abstracts and contributes to the semantic web community., This work has been supported by the German Federal Ministry of Education and Research (BMBF) through the EuroStars project E!114154 PORQUE (grant no 01QE2056C) and the KIAM project (grant no 02L19C115). Additionally, this work has been partially supported by: the Department of Research and Universities of the Government of Catalonia (SGR00930), the Ministry of Science and Innovation of Spain with the project COMCRISIS (reference code PID2019−109064GB−I00), the EU-funded SoBigData++ project under Grant Agreement 871042 and MCIN/AEI /10.13039/501100011033 under the Maria de Maeztu Units of Excellence Programme (CEX2021−001195− M).