写作风暴：设计和评估天气风险信息工具

文献标题

Writing out the Storm: Designing and Evaluating Tools for Weather Risk Messaging

文献信息

• 主题领域: 人机交互（HCI）、危机信息学（Crisis Informatics）、风险沟通
• 关键词: 风险沟通, 灾害管理, 写作辅助工具, 气候变化适应, 极端天气, 人机交互, 文本分析, 社会包容性, 机器学习

研究背景与问题

• 问题与挑战:

  • 气候变化导致极端天气事件的增多，需要更有效的风险信息沟通以减少灾害带来的生命和财产损失。
  • 编撰有效的天气风险消息需要包含特定的主题和表现风格，然而在高压力环境下，专业风险沟通者的工作可能会受到不确定性和竞争优先事项的影响，从而使信息流和公众风险认识出现缺口。
  • 当前风险沟通工具和技术的研究有限，规模化评估风险信息和辅助写作工具的开发仍然是一个发展中的领域。

• 重要性:

  • 有效的风险信息能够促使公众采取保护性措施，为减灾和气候变化适应提供基础。
  • 随着极端天气事件频率和强度增加，对高效风险沟通工具的需求也越来越迫切。

• 研究动机与相关工作:

  • 之前的工作多集中在社交媒体上的风险信息传播，或针对健康危机的在线风险沟通，但针对气候与极端天气风险的工具开发却相对较少。
  • 当前创意写作辅助工具的开发主要局限于叙事或科学写作的某些局部任务，其原理可以为风险沟通写作工具提供启发。

解决方案

• 提出的方法:

  • 设计一个基于字符串匹配的算法来半自动评估天气风险消息与最佳实践的符合程度。
  • 开展对风险沟通专业人士的采访研究，以探讨风险沟通写作辅助工具的设计空间。

• 创新点:

  • 开发了一种高度可解释且计算高效的字符串匹配方法，可以自动识别风险消息中的关键主题（如危害、时间、位置等），提供可量化的评估。
  • 将风险沟通的最佳实践引入工具设计中，包括自动识别漏掉的主题并提供建议。
  • 设计了一种“定制化风险信息”方法来满足不同人群（如弱势群体）的需求。

• 实施步骤与关键技术:

  1. 数据分析: 选取加拿大环境与气候变化机构（ECCC）发出的9,181条天气警报，采用包括文本可读性评分（FRE）和字符串匹配的技术，分析风险消息是否遵循最佳实践。
  2. 主题分析: 使用手动和半自动的分析方法标注消息中的关键主题，如位置、时间、影响等。
  3. 采访研究: 采访10位风险沟通专业人士，以验证初步结果并从用户角度探索写作支持工具的设计空间。

研究成果

• 具体成果:

  • 量化了加拿大天气风险消息与最佳实践的契合度，其中发现部分主题（如受影响人群、推荐行动）的覆盖率不一致。
  • 开发了一个可以标识漏掉主题的原型写作支持工具，通过推荐历史消息文本来补充相关内容。
  • 验证了工具的潜在价值，特别是对经验不足的风险沟通者，可以提升风险消息的标准化和质量。

• 与现有解决方案相比的优势:

  • 提供了从小规模到大规模数据的自动化分析能力，克服了传统手动方法的样本限制。
  • 集成了写作辅助的最佳实践，能够有效地提示改进点。

• 实验和评估结果:

  • 风险消息的平均可读性评分低于建议水平（80~100），可能影响公众的理解能力。
  • 半自动分类方法对于文本标注的准确率达到90%以上。
  • 简化语言的示例未能完全满足风险沟通的需求，显示需要更精细的设计策略。

• 局限性与未来方向:

  • 当前算法测试集的规模较小，可能无法全面捕捉数据中的多样性和异常情况。
  • 简化语言的生成结果受限于提示设计，未来可探索更优化的提示工程。
  • 进一步研究如何结合人工智能工具满足不同群体的定制化需求，并提高人群对风险信息的信任。

总结

本研究突出了一种基于字符串匹配的天气风险沟通消息评估方法，并提出了风险沟通写作辅助工具的设计思路，包括针对特定群体的定制化信息和优化风险沟通的主题覆盖。未来工作将重点扩展数据分析范围和探讨技术整合实践，同时推进基于参与式设计的风险沟通工具开发，以提升其对多样化用户的服务能力。