Διαχρονική χαρτογράφηση των μηνυμάτων των κοινωνικών δικτύων για την εξέλιξης της πανδημίας-Η περίπτωση του COVID-19 στο Twitter

Καραγιάννη, Ευλαλία; Karagianni, Evlalia

dc.contributor.author	Καραγιάννη, Ευλαλία	el
dc.contributor.author	Karagianni, Evlalia	en
dc.date.accessioned	2022-10-14T10:39:41Z
dc.date.available	2022-10-14T10:39:41Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55943
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23641
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Default License
dc.subject	Χαρτογραφία	el
dc.subject	Cartography	en
dc.subject	Διαδικτυακή Χαρτογραφία	el
dc.subject	Οπτικοποίηση δεδομένων	el
dc.subject	Data visualization	en
dc.subject	Web Mapping	en
dc.subject	Twitter	en
dc.subject	Covid-19	en
dc.title	Διαχρονική χαρτογράφηση των μηνυμάτων των κοινωνικών δικτύων για την εξέλιξης της πανδημίας-Η περίπτωση του COVID-19 στο Twitter	el
heal.type	masterThesis
heal.secondaryTitle	Diachronic mapping of social media messages about the evolution of the pandemic-The case of COVID-19 on Twitter	en
heal.classification	Χαρτογραφία	el
heal.classification	Cartography	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-02-21
heal.abstract	Με την εμφάνιση του Covid-19 στον κόσμο, ξεκίνησε να διαδίδεται καθημερινά ένας τεράστιος όγκος πληροφοριών με βασικό μέσο τα κοινωνικά δίκτυα. Ο διάλογος γύρω από την πανδημία έλαβε παγκόσμια διάσταση, γεγονός που δημιούργησε την ανάγκη εξερεύνησης της χωρικής αποτύπωσής του. Η παρούσα εργασία αφορά την διαχρονική αναπαράσταση των μηνυμάτων στο Twitter για τον Covid-19 με την χρήση τεχνολογιών της σύγχρονης διαδικτυακής χαρτογραφίας, με σκοπό την σφαιρική κατανόηση των συζητήσεων στον κυβερνοχώρο. Το Twitter από την δημιουργία του αποτελεί έναν ψηφιακό χώρο κοινωνικών και πολιτικών εξελίξεων και, όπως ήταν αναμενόμενο, διατήρησε αυτό τον ρόλο με την έναρξης της πανδημίας. Η ανάγκη ερμηνείας και απλοποίησης ενός τεράστιου όγκου δεδομένων από το Twitter καθιστά απαραίτητη την διάδοση διαδικτυακών χαρτογραφικών αποδόσεων των ποιοτικών και ποσοτικών χαρακτηριστικών των tweets. Στα πλαίσια της εργασίας, έγινε επεξεργασία δεδομένων μηνυμάτων παγκόσμιας κλίμακας που έχουν αναφορά στον Covid-19 για πέντε μήνες του 2020-2021 ώστε να αποτελέσουν τα θεματικά επίπεδα των χαρτών αξιοποιώντας τα εργαλεία του διαδικτύου. Η διαδικτυακή χαρτογραφική εφαρμογή που αναπτύχθηκε δίνει τη δυνατότητα στους χρήστες να έρθουν πιο κοντά με τις πραγματικές συζητήσεις για τον Covid-19 παγκοσμίως.	el
heal.abstract	When Covid-19 started to spread across the world, huge amounts of information began to be disseminated daily through social media. The dialogue around the pandemic took on a global dimension, which created the need to explore its spatial imprint. This paper deals with the timeless representation of Twitter messages about Covid-19 using modern web cartography technologies, in order to comprehensively understand the conversations in cyberspace. Twitter has been a digital space for social and political developments since its creation and, as expected, maintained this role with the beginning of the pandemic. The need to interpret and simplify a huge amount of data from Twitter makes it necessary to disseminate online cartographic representations of the qualitative and quantitative characteristics of tweets. In this study, data of world-wide messages related to Covid-19 were processed for five months of 2020-2021, in order to be the layers of the maps utilizing the web-tools. The developed web map gives everyone the opportunity to get closer to the real Covid-19 discussions worldwide.	en
heal.advisorName	Νάκος, Βύρων	el
heal.committeeMemberName	Νάκος, Βύρων	el
heal.committeeMemberName	Σκοπελίτη, Ανδριανή	el
heal.committeeMemberName	Κόκλα, Μαργαρίτα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	95 σ.	el
heal.fullTextAvailability	false