应急管理大数据社会化治理体系下媒体数据的价值

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 近年来,我国应急安全管理工作取了了巨大的成绩,但是,从一些突发应急安全事件处置的情况来看,我们的应急安全处置能力建设尚存在很多短板。当前,我国全社会上下正在进行一场数字化、智能化革命,将数字化和智能化技术引入应急安全管理领域,是提高我国应急安全管理水平,增强对应急安全事件处置能力,最大程度减少应急安全事件对我国社会的所造成的的生命和财产损失的必然选择。

近年来,我国应急安全管理工作取了了巨大的成绩,但是,从一些突发应急安全事件处置的情况来看,我们的应急安全处置能力建设尚存在很多短板。当前,我国全社会上下正在进行一场数字化、智能化革命,将数字化和智能化技术引入应急安全管理领域,是提高我国应急安全管理水平,增强对应急安全事件处置能力,最大程度减少应急安全事件对我国社会的所造成的的生命和财产损失的必然选择。

应急大数据是实现应急管理数字化和智能化的基础社会。应急大数据的内涵非常广泛。应急安全大数据是指政府、企业、社会组织、个人进行应急安全相关活动时候产生的有价值数据的集合,对这些数据进行采集、处理、存储、分析、应用后,有助于于提高应急管理业务效率,降低应急安全管理业务成本。

在此次抗击新冠肺炎疫情的战役中,疫情快速得到抑制,互联网媒体发挥着独特作用,呈现出一些新特征。

一是信息旋涡现象突出,在本次疫情期间,各路消息信息众说纷纭,也存在相互矛盾之处。在危机情况下任何一个微小的信息经过迅速传播发酵并放大,信息产生失真与变形。对传播的各种信息公众一时难以判断真伪。当在以央视媒体,国家媒体和各级地方政府媒体通过电视,互联网,微信,微博等多种方式及时介入后,大量疑虑和不实消息得以澄清,央媒的对互联网公众关心的问题及时的做出有效的反馈,这无疑是为群众吃下一颗定心丸,成为人们获取权威信息的主要渠道。

为应对疫情中的谣言,新华社开设“求证”平台,用认知迭代方式去了解一个未知事物,主动迎接人们的反馈,及时的接应,逐步的引导对真实事物的了解。腾讯、百度等平台提供的“新型冠状病毒肺炎”特别版块为用户提供了超过10亿次服务。

互联网媒体平台媒体越来越成为信息传播的重要渠道。从2009年微博兴起,到2013年微信公众号爆发,推荐型新闻客户端兴起,到2018年开始的短视频。已经形成:微博、微信、资讯客户端、短视频等四种主要的互联网媒体形式。这四种媒体成为网民获得信息的主要流量来源。通过互联网媒体阅读已经成为网民的习惯。

应急大数据按照产生大数据的主体不同可以分成以下几类:

(1)政府部门相关的应急大数据:包括政府发布的一些方针政策、政府发布的一些应急管理统计数据,政府发布的一些历史应急安全处置案例等。

(2)企业相关的应急大数据:指企业在进行生产活动过程中所产生的一些应急相关数据,比如锅炉监测数据、煤矿监测数据、园区监测数据等。

(3)社会组织相关的应急大数据:指社会组织在进行应急安全管理相关活动时所产生的数据,比如大气监测数据、应急慈善救助数据、应急事件对企事业单位经营活动造成影响的数据等。

(4)新闻媒体相关的应急大数据:一般指经由媒体,包括三微一端发布的应急管理相关的媒体信息,比如实时发布的疫情信息,关于应急事件的辟谣信息,关于应急事件处置过程中一些正能量信息等。

媒体数据作为应急大数据的重要组成部分,在应急安全管理中起着越来越重要的作用,本文从宣传、教育、辟谣、宣扬正能源、团结人心、让慈善更阳光等领域来分析媒体数据在应急大数据体系建设中的重要作用。

通过科技手段对媒体的应用具有重要作用,通过AI和大数据,深度感知社会舆情风向热点。通过智能媒体科技融合传统媒体手段改造媒体发布信息、传播资讯和服务反馈的能力,进一步迈向全员、全息、全程和全效媒体方向拓展。创新综合利用网络的“正能量”传播、舆论监督、风险警醒和社会服务功能,发现施政缺漏,增强官民互动,及时迭代微创新,进一步完善国家治理体系。

一、社会舆情的获取与监测

通过对互联网媒体全面的采集与分析,形成舆情监测和分析,通过大数据技术收集海量的信息,最大范围的去收集、分析、概括民意,最终为领导决策提供全面的网络舆情信息。通过对从互联网得到的舆情数据,通过舆情聚类算法得到一个个话题,并分析话题下的舆情数据间的相互的关系、事件发生的先后、并引入科学的传播模型对后期的事件动态发展做出趋势分析以帮助领导准确了解事件发展的全貌。通过对事件跟踪设置相应的专题来做具体的分析判断,通过海内外全网数据监测、智能语义分析、危机传播管理为技术支撑,进行实时舆情监测、敏感舆情监测、负面舆情监测、阶段性舆情监测、达到专题性舆情分析判断的目的。

二、媒体数据的宣传教育作用

宣传作用是媒体数据最本质的作用,对于应急管理工作而言,媒体数据的宣传教育功能尤其重要。

一方面,通过对应急相关数据的准时、准确地报道,可以让大众更快速的了解一手的应急事件处置相关数据,对于维系社会稳定,增强大众信心有非常重要的作用。

另一方面,除了对应急相关事件的据实报道,还可以将一些面对一些情急情况时如何做好个人保护等应急教育知识传播给大众,比如,这次武汉疫情,教导大众如何洗手,如何带口罩以减少与病毒接触的机会就是一个很好的教育题材。

三、媒体数据的辟谣作用

随着媒体技术的发展,很多个人、机构都可以通过自媒体来发声,这时候,一些别有用心的机构和个人可能会在媒体上发布谣言等一些不实信息,可能造成民众对应急事件误解,严重时甚至降低政府的公信力,影响社会稳定。

这时候,一方面要应用谣言媒体数据甄别技术,快速甄别并阻止谣言在网络的传播,最大化减少谣言对公众的影响;另一方面,我们的公众媒体,国家媒体要及时站出来辟谣,为正义和实事鼓气加油;我们的网络执法人员要及时站出来,用大数据技术迅速对造谣者进行定位和跟踪,一旦发现,立即绳之以法。

四、媒体数据可以维系政府公信力

当前,随着舆论环境越来越复杂多变,如何在纷繁复杂的舆论世界中保持政府公信力是每一个当政者都应该积极思考的问题。政府的公信力越高,政府的办事效率和执行力也就越高,也越受到民众的拥护。政府应该充分利用好传统媒体和新媒体的渗透作用,积极促进政府应急数据的共享,营造透明政府,从而增强政府的公信力。

在应急处理的各阶段特别是响应和恢复阶段,媒体都承担着比平时更为重要的政府代言的责任。媒体通过发达的社会信息网络,把政府为公众做的每一件事,包括及时发布信息、表明政府立场和决心、说明将要采取的措施等一系列行为,以快速、准确、全面的方式传递给公众,从整体上为政府塑造积极应对突发事件的良好形象。

五、媒体数据的监督作用

媒体数据不仅可以增强政府的公信力,同时也对政府在应急工作中的行为起到了积极监督的作用。

这次疫情武汉的慈善机构,由于前期工作不到位,导致大量抗疫物资被积压在仓库,被媒体报道后,暴露出了慈善机构在救灾能力和物资分配方面的问题,同时也侧面反映了当前数字政府建设还有很长的路要走。

积极发挥媒体数据的监督作用,对促进社会公平,推动法治政府建设具有积极意义。

六、媒体数据引导正能量的作用

正能量对一个社会的建设起着至关重要的作用。通过应用各种新旧媒体技术,通过对一些典型的应急人物和典型应急事件的宣传,在民众中迅速形成正向的舆论导向,对在一些应急事件处置过程中凝聚人心,引导正能量的传播有非常显著的效果。

通过媒体数据的积极引导,形成舆论正能量后,可以让民众力量、社会力量更多地参与到应急事件处置中来,形成全社会应对应急安全事件的合力,从而最大化降低应急安全事件所造成的生命和财产损失。

七、媒体数据为应急安全事件处置提供信息预测和决策参考

新媒体技术的发展让基于网络的媒体信息越来越丰富,早在2009年,Jeremy Ginsberg 等人就利用网络搜索数据监测流感的流行,利用搜索词使用频率所构建的模型可以提前预测每周流感病例的发生情况;Kathy Lee等人利用Twitter 上的数据建立实时的疾病监测系统,系统不仅可以用于对季节性流行病如流感的爆发进行早期预警,同时还可以监测不同类型的癌症病患者分布特征等;Michael S. Deiner等人对Twitter、播客等平台的帖子进行数据分析,发现了过敏性和传染性结膜炎的季节性趋势。

自媒体逐步成为民众发表情绪、态度和看法的常用工具,尤其是三微一端,不乏用户对自己关心或利益密切相关的事件所表达的观点和意见。尤其对于突发疫情来说,其中蕴含丰富的民意和民情,利用社交媒体大数据可以进行舆情研判,进而制定引导舆论的策略和措施,切实践行习近平总书记在疫情期间多次做出的“要加强舆论引导”的重要指示。

八、媒体数据融合其他类型应急安全数据综合应用

应急安全事件的事前、事中、事后都会产生大量的业务数据、监控数据、媒体数据,单一数据的应用能够解决一些浅层次的应急安全管理问题,要做到更加高效处置应急安全事件,应该加强应急安全数据的融合应用。

媒体数据与很多其他数据都有千丝万缕的联系,比如媒体数据与时空数据之间的关系,媒体数据与人流数据之间的关系,媒体数据与灾情数据之间的关系,通过对应急安全不同数据源之间数据之间关系的分析,可以让我们发现一些深层次的应急安全问题,从而及时暴露安全隐患,更加高效完成应急安全事件处置。

在现今突发公共安全事件的应急体系中,传媒的影响力不断增强,政府必须与媒体建立起良性互动的合作关系,在给予其一定约束的基础上,同样其足够的空间,为媒体介入应急管理的信息传递创造规范有序的环境条件,以便社会公众及时了解突发事件的信息与政府在处理事件过程中的行为,缓解公众因信息缺失而产生的不必要的恐慌与躁动情绪,防止事态的进一步扩大与恶化,从而有利于政府及时、有效地化解危机,修复突发事件带来的各种损失。

相信随着更多的实践经验的积累,媒体作为应急管理中的参与机制之一,其功能将会得到更加淋漓尽致的发挥,相应的,我国政府的公共应急管理能力也将愈来愈高。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
24天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
196 7
|
24天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
39 2
|
15天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
32 4
|
21天前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
55 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
61 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
84 2
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
78 1
|
2月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
52 3