Fernando Loor, Graciela Verónica Gil Costa, Mauricio Marín
En situaciones de desastres naturales, los equipos de respuesta a emergencia deben actuar con rapidez. En este contexto, el crowdsourcing emerge como un mecanismo poderoso donde voluntarios pueden ayudar a realizar diferentes tareas como procesar im´agenes complejas usando t´ecnicas de clasificación y etiquetado. En este trabajo proponemos abordar el problema de c´omo procesar eficientemente grandes volúmenes de im´agenes georreferenciadas usando crowdsourcing en un contexto de alto riesgo como desastres naturales. La investigaci ´on en ciencia ciudadana y crowdsourcing indica que los voluntarios deberían ser capaces de contribuir de manera eficiente en un tiempo limitado a un proyecto, con soporte de los resultados de estudio de usabilidad. Presentamos el dise˜no de una plataforma en tiempo real para el procesamiento de im´agenes georreferenciadas. En particular, nos enfocamos en la interacci ´on entre el servidor de crowdsourcing y los voluntarios conectados a una red P2P.
After disaster strikes, emergency response teams need to work fast. In this context, crowdsourcing has emerged as a powerful mechanism where volunteers can help to process different tasks such as processing complex images using labeling and classification techniques. In this work we propose to address the problem of how to efficiently process large volumes of georeferenced images using crowdsourcing in the context of high risk such as natural disasters. Research on citizen science and crowdsourcing indicates that volunteers should be able to contribute in a useful way with a limited time to a project, supported by the results of usability studies. We present the design of a platform for real-time processing of georeferenced images. In particular, we focus on the interaction between the crowdsourcing and the volunteers connected to a P2P network.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados