在灾难期间寻找关键信息
莉斯·圣丹尼斯是科罗拉多大学地球实验室的研究科学家，她指出社交媒体在风暴、野火、洪水和飓风等自然灾害中可能很有用，因为快速、本地化的信息在这些情况下至关重要。然而，将真正有用的信息与噪音区分开来是关键，这正是圣丹尼斯在过去五年里一直在努力解决的问题。
“我的宏伟愿景是，应急响应团队和受灾害影响的社区能够实时获取最佳信息，从而使社区能最优化地了解正在发生的事情，”她说。
这项工作需要创造性思维和技术的结合，圣丹尼斯从职业生涯之初就一直在追求这一点。
从艺术到计算机科学
至少在大学时期，圣丹尼斯就对各种看似迥异的兴趣领域抱有认真的态度。她在科罗拉多州立大学获得了美术和计算机科学的学士学位。这让她在早期职业生涯中从事了插画和软件工程工作，首先是在惠普公司。HP支持她在爱达荷大学攻读人因工程学研究生。
她在21世纪初因生育孩子而中断了工作，当她准备重返职场时，她意识到需要提升自己的技能。“我仍然有很多相同的兴趣，但有了不同的人生视角——我年纪更大了。我想做一些我觉得能带来改变的事情，”圣丹尼斯说。因此，她于2011年重返研究生院，最初攻读计算机科学硕士学位，这将她带到了科罗拉多大学，在那里她发现了EPIC项目（用危机信息赋能公众），并决定攻读危机信息学的跨学科博士学位。
与应急响应结缘
作为学位工作的一部分，她遇到了一组应急响应人员，对他们的工作产生了浓厚兴趣，并开始了解更多。她意识到他们面临的一个巨大挑战是如何向公众传达信息。她想知道，社交媒体网站是否有助于收集和分发信息？
因此，当她听说新墨西哥州有一个将数字志愿服务理念应用于应急风险响应的计划时——这次的志愿者将是应急响应人员——她便前去向他们学习。
当时，社交媒体在应急响应领域并未被广泛接受；圣丹尼斯甚至认识一些政府官员，他们因在工作中使用社交媒体而冒着失去工作的风险。“很多应急响应组织并不认为社交媒体有用，而是将其更多地视为错误信息和谣言的温床，”圣丹尼斯说。
尽管如此，一些应急管理人员仍然对此感兴趣：“随着社交媒体日益流行，他们知道这是他们需要提供更新、与不断增长的受众互动以及寻找突发信息的地方，”圣丹尼斯回忆道。
“他们组成了一个名为虚拟运营支持团队的团队网络。这些团队是预先确定的，并通过正式的应急协议和程序激活。该概念的首次紧急试验是在2011年俄勒冈州东部的沙多湖火灾期间。我最终研究了这组团队的创新，并与他们一起工作，以了解他们在做什么，”她解释道。
他们的工作对圣丹尼斯来说很有意义，因此，她没有去攻读计算机科学硕士学位，而是利用在新墨西哥州学到的东西作为她跨学科博士研究的基础，其中包含计算机科学，但也融入了传播学和灾害社会学课程。
实战经验与灵感
2014年，圣丹尼斯被要求将她的社交媒体报告和分析技能应用于华盛顿州东部的卡尔顿复合火灾。那场大火席卷了几个社区，大量建筑被毁，疏散窗口期极短。由于无法跟上火灾影响的速度，当地人无法获得问题的解答，可以理解的是，这带来了很多挫折感。
“这让我确信，必须有一个更好的策略来过滤和获取这些事件期间最需要的信息，”她说。
她同时还处理数据、进行分析，并将这些信息整合给所支持的团队。作为研究的一部分，圣丹尼斯参与了近100次应急响应激活。“我通过虚拟团队研究了社交媒体与应急响应的整合，”她解释道。“我不断问自己，‘整合它们意味着什么？’”
快进到今天，她仍在研究这个基本问题。2016年在科罗拉多大学获得博士学位后，圣丹尼斯留校任教，现在是地球实验室的研究科学家。“我们从所有这些不同的来源拥有所有这些现有信息，我们希望更好地使其可用，以便科学家可以利用它并将其用于灾害分析。”
推特：一个有前景的平台
迄今为止，推特显示出圣丹尼斯希望实施的内容最有前景。其理念是，应急管理人员将收到一个真正有用内容的实时流，包括来自可靠来源的精选推文。“管理人员可以在应急管理响应中密切关注这一点，”圣丹尼斯说。
圣丹尼斯表示，这是极其实用、真实世界的信息，因为是个性化的，所以可以帮助拯救生命。这些信息来自直接受这些灾害影响的社区成员。“这不是媒体报道或广泛的外部信息，”圣丹尼斯说。“它包含新的信息，例如哪些道路可以通行，哪里燃料短缺，或者存在哪些信息缺口，比如‘我不知道该把牲畜疏散到哪里，’或者‘我需要知道谁有汽油，’或者‘我的饮用水供应安全吗？’”
虽然她的研究尚未转化为实际的应急工具，但圣丹尼斯看到了曙光。她最近加入了疫情科学与技术超速加速器计划。“作为PHAST计划的一部分，我与经验丰富的企业家结对，他们帮助我从系统性、机会驱动的角度审视我的问题，”她解释道。“我们一直在采访不同背景下的应急响应和危机响应专业人员，以了解他们正在使用的工具的具体情况，以及信息被找到或未被找到时的具体价值或后果。”
利用机器学习
当研究卡尔顿复合火灾的数据时，圣丹尼斯首次意识到她需要利用机器学习。“我意识到，对于如何去除顶部的噪音以获取我想要的信息，我有一些直觉。但这产生影响的唯一方式是，如果我能在接近实时的情况下做到这一点——而这需要机器学习，”她说。因此，她申请了某机构的机器学习研究奖，并于2019年获得该奖项。
她和她的团队使用某中心的无服务器计算服务和容器服务来查询推特API以获取相关推文，并将原始数据存储在某中心的对象存储服务中。圣丹尼斯还使用标准的机器学习库来构建她的原型，因为她希望一切都是开源的。“我们希望，随着向前推进，能够转向更复杂的数据收集和某中心的工具，”她说。
圣丹尼斯和她的团队已经发表了两篇关于迄今完成工作的设计的论文，并证明了他们构建的原型在多种类型的灾害上同样有效。他们甚至将其用于研究美国公众在COVID-19大流行初期对居家令的响应。
“我与该领域一些最具创新精神的响应者合作了十多年，但根本的工具没有任何改变，”她说。“我认为这个基于社交媒体的工具有很大的潜力，所以这真的很令人兴奋。现在我有了这笔启动资金，进展可能会相当快。”
