به لطف توسعه اینترنت و رسانه های اجتماعی، ارتباطات اجتماعی دیگر توسط جغرافیا محدود نمی شود. داده های رسانه های اجتماعی دارای برچسب جغرافیایی را می توان برای ردیابی رفتار انسان به طرق مختلف مورد استفاده قرار داد و تجزیه و تحلیل شهری را تسهیل می کند. این نوع جدید از داده ها دارای مهرهای زمانی دقیق، موقعیت جغرافیایی دقیق ، و محتوای تولید شده توسط کاربر است که آن را برای برنامه ریزی و طراحی شهری به آسانی در دسترس و ارزشمند می کند. پیچیدگی مکانی و زمانی داده‌های تولید شده توسط کاربر به مدیریت فضاهای شهری کمک می‌کند، همانطور که با مطالعاتی که محبوبیت مکان‌های خاص یا مناطق حیاتی را با استفاده از داده‌های پلتفرم‌های رسانه‌های اجتماعی بررسی می‌کنند، نشان داده شده است. مقدار یا درصد پست‌های رسانه‌های اجتماعی آپلود شده در یک منطقه جغرافیایی خاص در طول یک بازه زمانی مشخص می‌تواند به عنوان شاخصی برای ارزیابی سرزندگی مکان‌های خاص ( ژانگ و همکاران، 2023 )، مانند داده‌های ورود ( Mou et al.) باشد. .، 2023 ؛ سالازار-میراندا و همکاران، 2022 )، تعداد بررسی ها ( لیانگ و ژانگ، 2022 )، و داده های بررسی از منابع متعدد ( هو و همکاران، 2020 ). مطالعات قبلی تکامل فضای شهری ( هو و همکاران، 2019 )، ویژگی‌های فضایی جوامع ( عبد الرحمن و همکاران، 2021 )، و ویژگی‌های زمانی و مکانی رویدادهای شهری را بر اساس داده‌های رسانه‌های اجتماعی دارای برچسب جغرافیایی بررسی کردند ( مارتین و همکاران) al., 2019 ). سایر مطالعات محیط شهری و رفتارهای ساکنان را ادغام کردند، مانند تجزیه و تحلیل الگوی فعالیت ( استیگر و همکاران، 2015 )، بررسی کاربری زمین شهری بر اساس الگوهای فعالیت ( فریاس-مارتینز و فریاس-مارتینز، 2014 )، و بررسی رابطه بین استفاده از زمین و فعالیت های جمعیتی ( گارسیا-پالومارس و همکاران، 2018 ). نتایج یک بینش ارزشمند برای طراحی آینده آزمایش‌های مدل‌سازی فعالیت بر اساس داده‌های رسانه‌های اجتماعی ارائه می‌کند.
طیف گسترده ای از منابع داده به طور خلاقانه برای ارزیابی فعالیت و رفتار انسان به عنوان روش شناسی برای ارزیابی پیشرفت مجموعه داده های گسترده استفاده می شود ( گرزیب و کولچیک، 2023 ؛ هوانگ و همکاران، 2023 ؛ رشیدی و همکاران، 2017 ؛ ساکوهی و آکایچی، 2020 ؛ ژنگ و همکاران، 2022 ). تحقیقات محدودی وجود دارد که رفتار ورزشی را از متون رسانه‌های اجتماعی استخراج می‌کند ( لیو و همکاران، 2021 ؛ وانگ و همکاران، 2022 ) یا تأثیر محیط شهری بر فعالیت بدنی را بررسی می‌کنند ( Nguyen et al., 2016 ). مدل‌سازی موضوع و تحلیل احساسات تکنیک‌های کلیدی برای تعیین سطح فعالیت بدنی با استفاده از داده‌های رسانه‌های اجتماعی هستند ( لیو و یانگ، 2018 ). طبق تحقیقات قبلی، درصد توییت‌هایی که به فعالیت بدنی اشاره می‌کنند، ارتباط زیادی با فعالیت بدنی در سطح شهرستان دارد ( لیو و همکاران، 2019 ). اثربخشی رسانه‌های اجتماعی و مداخلات مبتنی بر اینترنت در ترویج فعالیت بدنی توسط ادبیات ثابت شده است ( لیو و همکاران، 2019 ). الگوهای فعالیت رسانه های اجتماعی در مناطق خاص، تشخیص رفتارهای بهداشتی را در سطح محلی امکان پذیر می کند و توسعه مداخلات متناسب با جمعیت شناسی خاص را تسهیل می کند ( Cesare et al., 2019 ). اکتشاف پتانسیل رسانه های اجتماعی برای استخراج رفتارهای سالم همچنان یک پیگیری مداوم است.
زمینه تولید شده توسط کاربر از رسانه های اجتماعی تجسم ایده های انتزاعی مانند احساسات انسانی را از طریق تجزیه و تحلیل احساسات تسهیل می کند ( دی اولیویرا و پاینهو، 2021 ؛ کومار و جیسوال، 2022 ). مطالعات قبلی از داده های متنی برای ارزیابی بهزیستی ( جایدکا و همکاران، 2020 ؛ پلونز و همکاران، 2019 )، نگرش های اجتماعی ( لانسلی و لانگلی، 2016 ؛ لیو و هو، 2019 ) و استخراج احساسات شهروندان استفاده کرده اند. هو و همکاران، 2019 ) و احساسات ( هو، 2019 ؛ ست و شرف، 2023 ). برخی از محققان کشف کردند که مکان هایی با سطوح بالاتری از رونق اقتصادی ارتباط قوی تری با احساسات مثبت عمومی نشان می دهند ( یانگ و همکاران، 2022 ). برعکس، امکانات تولید صنعتی و مراکز حمل و نقل تمایل به ایجاد احساسات منفی داشتند ( کائو و همکاران، 2018 ). ساکنان شهری در شهرهای فشرده نسبت به ساکنان مناطق کم تراکم واکنش عاطفی ملایم تری به جامعه خود نشان دادند ( Mouratidis, 2019 ). با این حال، این رابطه مشروط به موقعیت افراد در محیط ساخته شده بود و ممکن است پیچیده تر از آنچه قبلاً در نظر گرفته شده باشد ( لین و همکاران، 2022 ). همچنین، قطبیت احساسات در اکثر مطالعات به متغیرهای طبقه بندی شده، مانند مثبت، خنثی و منفی محدود می شود. بنابراین، یک تحقیق جامع تر در مورد تجزیه و تحلیل احساسات در محیط های شهری ضروری است.
با این حال، در حال حاضر کمبود مطالعات محاسبات شناختی جامع مربوط به فعالیت بدنی بر اساس داده های رسانه های اجتماعی وجود دارد. در نتیجه، ما از حجم وسیعی از داده های خود گزارش شده از رسانه های اجتماعی به عنوان پایه ای برای شناسایی فعالیت در محل استفاده می کنیم. با در نظر گرفتن کاربر به عنوان یک “حسگر”، ما از سیگنال های استنباط شده حاصل از استفاده معمول از تلفن های هوشمند تلفن همراه، شامل محتوای متنی و مکان معنایی، استفاده می کنیم. ما یک تکنیک محاسبات شناختی مبتنی بر تحلیل احساسات پیشنهاد می‌کنیم که به عنوان ابزار تجزیه و تحلیل کلان داده عمل می‌کند . چارچوب پیشنهادی شامل چندین فرآیند، مانند پیش پردازش، استخراج ویژگی، انتخاب ویژگی و آموزش مدل است. بررسی اینکه چگونه محاسبات شناختی می تواند به مسائل فوق الذکر رسیدگی کند و کارایی آن را ارزیابی کند، ضروری است . هدف اصلی این مطالعه پیشنهاد چارچوبی برای محاسبات شناختی و ارزیابی عملکرد چارچوب در زمینه‌های زیر است: (1) آیا محیط شهری بر احساسات عمومی و فعالیت بدنی تأثیر می‌گذارد ؟ (2) کدام ویژگی های محیطی شهری بیشتر با احساسات مثبت یا رفتارهای بهداشتی مرتبط است؟ (3) چگونه این اثرات بین سناریوهای مختلف محیطی شهری و مقوله های اجتماعی-اقتصادی در نوسان است؟
