Online representations of places are becoming pivotal in informing our understanding of urban life. Content production on online platforms is grounded in the geography of their users and their digital infrastructure. These constraints shape place representation, that is, the amount, quality, and type of digital information available in a geographic area. In this article we study the place representation of user‐generated content (UGC) in Los Angeles County, relating the spatial distribution of the data to its geo‐demographic context. Adopting a comparative and multi‐platform approach, this quantitative analysis investigates the spatial relationship between four diverse UGC datasets and their context at the census tract level (about 685,000 geo‐located tweets, 9,700 Wikipedia pages, 4 million OpenStreetMap objects, and 180,000 Foursquare venues). The context includes the ethnicity, age, income, education, and deprivation of residents, as well as public infrastructure. An exploratory spatial analysis and regression‐based models indicate that the four UGC platforms possess distinct geographies of place representation. To a moderate extent, the presence of Twitter, OpenStreetMap, and Foursquare data is influenced by population density, ethnicity, education, and income. However, each platform responds to different socio‐economic factors and clusters emerge in disparate hotspots. Unexpectedly, Twitter data tend to be located in denser, more deprived areas, and the geography of Wikipedia appears peculiar and harder to explain. These trends are compared with previous findings for the area of Greater London.

中文翻译：

---

洛杉矶作为数字化场所：用户生成内容的地理位置

场所的在线表示形式正在成为我们了解城市生活的关键。在线平台上的内容制作基于用户和其数字基础架构的地理位置。这些约束塑造了场所的表现，即地理区域中可用的数字信息的数量，质量和类型。在本文中，我们研究了洛杉矶县用户生成内容（UGC）的位置表示，将数据的空间分布与其地理人口环境相关联。这项定量分析采用比较和多平台方法，在普查区域一级调查了四个不同的UGC数据集及其上下文之间的空间关系（约685,000个地理位置的推文，9,700个Wikipedia页面，400万个OpenStreetMap对象和180,000个Foursquare场所） ）。上下文包括种族，年龄，收入，教育和居民匮乏，以及公共基础设施。探索性的空间分析和基于回归的模型表明，四个UGC平台具有不同的位置表示地理位置。在一定程度上，Twitter，OpenStreetMap和Foursquare数据的存在受到人口密度，种族，教育和收入的影响。但是，每个平台都对不同的社会经济因素做出反应，并且集群出现在不同的热点地区。出乎意料的是，Twitter数据往往位于更密集，更贫困的区域，并且Wikipedia的地理位置显得奇特且难以解释。将这些趋势与大伦敦地区以前的发现进行了比较。每个平台都对不同的社会经济因素做出反应，并且集群出现在不同的热点地区。出乎意料的是，Twitter数据往往位于更密集，更贫困的区域，并且Wikipedia的地理位置显得奇特且难以解释。将这些趋势与大伦敦地区以前的发现进行了比较。每个平台都对不同的社会经济因素做出反应，并且集群出现在不同的热点地区。出乎意料的是，Twitter数据往往位于更密集，更贫困的区域，并且Wikipedia的地理位置显得奇特且难以解释。将这些趋势与大伦敦地区以前的发现进行了比较。