การใช้ข้อมูลทวิตเตอร์เพื่อวิเคราะห์การเข้าถึงอุทยานแห่งชาติในจังหวัดเชียงใหม่ ในช่วงการแพร่ระบาดของโควิด-19 (Using Twitter data to analyze accessibility of National Parks in Chiang Mai, Thailand during the COVID-19 outbreak)
Article Sidebar
Main Article Content
Abstract
งานวิจัยนี้มีวัตถุประสงค์ 1) เพื่อวิเคราะห์และเปรียบเทียบจำนวนนักท่องเที่ยวอุทยานแห่งชาติในจังหวัดเชียงใหม่ที่เก็บจากวิธีการดั้งเดิมและจากทวิตเตอร์ 2) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างจำนวนนักท่องเที่ยวอุทยานแห่งชาติกับจำนวนผู้ติดเชื้อโควิด-19 ในจังหวัดเชียงใหม่ และ 3) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างจำนวนนักท่องเที่ยวอุทยานแห่งชาติ กับมาตรการป้องกันโควิด-19 ในจังหวัดเชียงใหม่ จำนวนนักท่องเที่ยวอุทยานแห่งชาติทั้ง 14 แห่ง ในช่วงเดือนมีนาคม พ.ศ. 2563 - เมษายน พ.ศ. 2564 ถูกเก็บจากทวิตเตอร์ด้วยวิธีดึงข้อมูลด้วยโปรแกรมภาษาไพทอน (python web scraping) และจากกรมอุทยานแห่งชาติฯ ในช่วงเวลาเดียวกัน ผลการวิเคราะห์ความสัมพันธ์ระหว่างข้อมูลจากการเก็บแบบดั้งเดิม และจากทวิตเตอร์ด้วยสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน พบว่า มีเพียงอุทยานแห่งชาติ 7 แห่ง ได้แก่ ดอยสุเทพ-ปุย ดอยผ้าห่มปก ห้วยน้ำดัง ผาแดง ดอยอินทนนท์ แม่วาง และขุนขาน ที่สามารถใช้ข้อมูลจากทวิตเตอร์ทดแทนข้อมูลดั้งเดิมได้ การวิเคราะห์ความสัมพันธ์ระหว่างข้อมูลทั้งสองแหล่งกับจำนวนผู้ติดเชื้อโควิด-19 ด้วยสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน ได้ผลลัพธ์ที่เหมือนกัน กล่าวคือ การเพิ่มขึ้นหรือลดลงของจำนวนผู้ติดโควิด-19 ไม่ส่งผลต่อจำนวนนักท่องเที่ยวอุทยานแห่งชาติ ในทำนองเดียวกันเมื่อใช้สัมประสิทธิ์สหสัมพันธ์แบบสเปียร์แมนวิเคราะห์ความสัมพันธ์ระหว่างจำนวนนักท่องเที่ยวจากข้อมูลทั้งสองแหล่งกับมาตรการป้องกันโควิด-19 พบว่า ได้ผลลัพธ์ที่เหมือนกัน คือ ความเข้มงวดของมาตรการป้องกันโควิด-19 ไม่มีผลต่อจำนวนนักท่องเที่ยวอุทยานแห่งชาติ ผลการวิจัยสามารถนำไปใช้เป็นแนวทางในการศึกษาและเก็บจำนวนผู้ใช้งานอุทยานจากสื่อสังคมออนไลน์ เพื่อออกแบบและจัดการอุทยานและพื้นที่สีเขียวสาธารณะในเมืองอื่น ๆ ได้ในอนาคต
The research objectives are 1) to analyze and compare the number of tourists in national parks in Chiang Mai collected from original method and Twitter, 2) to analyze the relationship between the number of national parks’ tourists and the number of COVID-19 cases in Chiang Mai, and 3) to analyze the relationship between the number of tourists in national parks and the COVID-19 policies in Chiang Mai. The number of tourists in 14 national parks from March 2020 to April 2021 was collected from Twitter by using Python Web Scraping and from the Department of National Park in the same period. The results of correlation analysis between data from traditional collection and Twitter using the Pearson correlation coefficient showed that only seven national parks: Suthep-Pui, Doi Pha Hom Pok, Huai Nam Dang, Pha Daeng, Doi Inthanon, Mae Wang, and Khun Khan were able to use Twitter data to replace the original data. The relationship analysis between these two data sets and the number of COVID-19 cases using Pearson correlation coefficient presented the same results: both increases and decreases in the number of COVID-19 cases did not affect the number of the national parks’ tourists. Similarly, when using the Spearman correlation coefficient to test the relationship between two data sets and the COVID-19 policies, it gave the same results, which meant the COVID-19 restriction measures did not affect the number of tourists in the national parks. The findings can be used as a guideline to study and collect the number of park users from social media to design and manage parks and public green space in other cities in the future.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Chiang Mai Data Center. (2021). Provincial Announcements (ประกาศ/คำสั่งจังหวัด). [Online]. Retrieved January 5, 2022 from http://www.chiangmai.go.th/covid19/command.html
Chiangmai Provincial Public Health Office. (2021). COVID-19: Recommendation and Practices (ไวรัสโคโรนา (COVID-19): คำแนะนำและแนวทางปฏิบัติ). [Online]. Retrieved January 5, 2022 from https://www.chiangmaihealth.go.th/cmpho_web/coronavirus_people.php
Cucinotta, D., & Vanelli, M. (2020). WHO declares COVID-19 a pandemic. Acta Biomedica, 91(1): 157-160.
Department of Disease Control. (2021). COVID-19 Situation, Public Policies, and Obstacle of Travel Disease Control (สถานการณ์โรคติดเชื้อไวรัสโคโรนา 2019 (COVID-19) มาตรการสาธารณสุขและปัญหาอุปสรรคการป้องกันควบคุมโรคในผู้เดินทาง). [Online]. Retrieved January 2, 2022 from https://ddc.moph.go.th/uploads/files/2017420210820025238.pdf
Department of National Park, Wildlife and Plant Conservation. (2021). National Incomes, Tourists, and Vehicles (จำนวนเงินอุทยานแห่งชาตินักท่องเที่ยว และ ยานพาหนะ). [Online]. Retrieved January 2, 2022 from http://portal.dnp.go.th/Content/nationalpark?contentId=20014
Derks, J., Giessen, L., & Winkel, G. (2020). COVID-19-induced visitor boom reveals the importance of forests as critical infrastructure. Forest Policy and Economics, 118: 102253.
Digital Government Development Agency (Public Organization). (2021). Thailand Daily COVID-19 Reports (รายงาน COVID-19 ประจำวัน ข้อมูลประจำประเทศไทย). [Online]. Retrieved January 2, 2022 from https://opendata.data.go.th/dataset/covid-19-daily
Donahue, M. L., Keeler, B. L., Wood, S. A., Fisher, D. M., Hamstead, Z. A., & McPhearson, T. (2018). Using social media to understand drivers of urban park visitation in the Twin Cities, MN. Landscape and Urban Planning, 175: 1-10.
Geng, D. C., Innes, J., Wu, W., & Wang, G. (2021). Impacts of COVID-19 pandemic on urban park visitation: A global analysis. Journal of Forestry Research, 32(2): 553-567.
Guo, S., Yang, G., Pei, T., Ma, T., Song, C., Shu, H., Du, Y., & Zhou, C. (2019). Analysis of factors affecting urban park service area in Beijing: Perspectives from multi-source geographic data. Landscape and Urban Planning, 181: 103-117.
Hale, T., Angrist, N., Goldszmidt, R., Kira, B., Petherick, A., Phillips, T., Webster, S., Cameron-Blake, E., Hallas, L., Majumdar, S., & Tatlow, H. (2021). A global panel database of pandemic policies (Oxford COVID-19 Government Response Tracker). Nature Human Behaviour, 5(4): 529-538.
Hinkle, D. E., Wiersma, W., & Jurs, S. G. (2003). Applied Statistics for the Behavioral Sciences (5th ed.). Boston: Houghton Mifflin.
Huang, B., & Carley, K. M. (2019). A large-scale empirical study of geotagging behavior on twitter. In F. Spezzano, W. Chen, & X. Xiao (Eds.), Proceedings of the 2019 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, (pp. 365-373). New York, NY: Association for Computing Machinery.
Pouso, S., Borja, Á., Fleming, L. E., Gómez-Baggethun, E., White, M. P., & Uyarra, M. C. (2021). Contact with blue-green spaces during the COVID-19 pandemic lockdown beneficial for mental health. Science of The Total Environment, 756: 143984.
Pruekpramool, Chaninan, Jaroentaku, Nattika, & Srisuttiyakorn, Siwachoat. (2020). Efficiency of Pearson, Spearman and Kendall’s correlation coefficients when data is non-normal distributed (ประสิทธิภาพของสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันสเปียร์แมน และเคนดอลล์ เมื่อข้อมูลแจกแจงแบบไม่ปกติ). An Online Journal of Education, 15(2): 1-16.
Shoari, N., Ezzati, M., Baumgartner, J., Malacarne, D., & Fecht, D. (2020). Accessibility and allocation of public parks and gardens in England and Wales: A COVID-19 social distancing perspective. PLoS One, 15(10): e0241102.
Slater, S. J., Christiana, R. W., & Gustat, J. (2020). Peer reviewed: Recommendations for keeping parks and green space accessible for mental and physical health during COVID-19 and other pandemics. Preventing Chronic Disease, 17: E59.
Soga, M., Evans, M. J., Tsuchiya, K., & Fukano, Y. (2021). A room with a green view: The importance of nearby nature for mental health during the COVID-19 pandemic. Ecological Applications, 31(2): e2248.
Song, X. P., Richards, D. R., & Tan, P. Y. (2020). Using social media user attributes to understand human–environment interactions at urban parks. Scientific Reports, 10: 808.
Statista. (2021). Leading Countries Based on Number of Twitter Users as of January 2021. [Online]. Retrieved November November 11, 2021 from https://www.statista.com/statistics/242606/number-of-active-twitter-users-in-selected-countries/
Statista. (2022). Leading Countries Based on Number of Twitter Users as of October 2021. [Online]. Retrieved January 3, 2022 from https://www.statista.com/statistics/242606/number-of-active-twitter-users-in-selected-countries/
Ullah, H., Wan, W., Haidery, S. A., Khan, N. U., Ebrahimpour, Z., & Muzahid, A. A. M. (2020). Spatiotemporal patterns of visitors in urban green parks by mining social media big data based upon WHO reports. IEEE Access, 8: 39197-39211.
University of Oxford. (2021). COVID-19 Government Response Tracker. [Online]. Retrieved January 4, 2022 from https://www.bsg.ox.ac.uk/research/research-projects/covid-19-governmentresponse-tracker
Wood, S. A., Guerry, A. D., Silver, J. M., & Lacayo, M. (2013). Using social media to quantify nature-based tourism and recreation. Scientific Reports, 3(1): 2976.
Worldometer. (2022). COVID-19 Coronavirus Pandemic. [Online]. Retrieved January 3, 2022 from https://www.worldometers.info/coronavirus/
Xie, J., Luo, S., Furuya, K., & Sun, D. (2020). Urban parks as green buffers during the COVID-19 pandemic. Sustainability, 12(17): 6751.
Zhang, H., van Berkel, D., Howe, P. D., Miller, Z. D., & Smith, J. W. (2021). Using social media to measure and map visitation to public lands in Utah. Applied Geography, 128: 102389.
Zhang, S., & Zhou, W. (2018). Recreational visits to urban parks and factors affecting park visits: Evidence from geotagged social media data. Landscape and Urban Planning, 180: 27-35.