Crowdsourced Perception of Neighbourhood Safety: A Case Study Using Airbnb Reviews

Abstract

Käesolev magistritöö uuris rahvahankeandmete potentsiaali linnakeskkonna turvatunde tajumise kaardistamisel, keskendudes Airbnb arvustustele kui subjektiivse info allikale. Töö eesmärgiks oli hinnata, kas need arvustused sisaldavad tähenduslikku teavet naabruskonna kohta ja kas turvatunnetus varieerub linna eri osades. Uuring viidi läbi Stockholmi näitel ning analüüs jagunes kolme etappi: naabruskonnateemaliste arvustuste tuvastamine, meeleoluanalüüs ning ruumiline ja võrdlev analüüs. Esimeses etapis testiti erinevaid järelevalveta klasterdusmeetodeid, et eristada naabruskonna-teemalisi ja muid arvustusi. Klasterdustulemuste piirangute tõttu töötati välja heuristiline filtreerimisviis, kasutades TF-IDF vektoriseerimist, SBERT-i ja koosinussarnasust. Teises etapis rakendati kolme meeleoluklassifikaatorit (VADER, TextBlob ja SBERT-i põhine klasterdus), et määrata arvustuste sentiment positiivse, neutraalse või negatiivsena. Kõigis mudelites ilmnes valdavalt positiivne hoiak, kuid mudelite täpsus varieerus. Kolmandas etapis koondati tulemused kuusnurkse ruudustiku abil, mis asetati Stockholmi kaardile, et uurida ruumilisi mustreid, ning seejärel võrreldi neid politseiraportite andmetega Spearmani korrelatsioonanalüüsi abil. Tulemused näitasid nõrka ja statistiliselt ebaolulist seost tajutud turvalisuse ja registreeritud kuritegude vahel, viidates sellele, et Airbnb arvustused ja ametlikud andmed kajastavad linna erinevaid kogemuslikke tahke. Töö rõhutab kasutajapõhise sisu väärtust subjektiivsete linna tajude kaardistamisel, kuid toob esile ka selle piirangud võrreldes ametlike turvalisuse näitajatega.