Aug, 2013

推特化生医学：对生物医学文献中推文和引用进行分析

PDF
TL;DR本文探讨了社交媒体平台，特别是 Twitter 在衡量研究成果影响力方面的应用，基于 1.4 百万生物医学领域的 PubMed 和 Web of Science 收录的文章进行分析，发现推文量和引用量相关性较低，提出了一种基于文章覆盖度和推文与引用相关性的新型科研影响力评价框架。
发现论文，激发创造
  • 生物医学 Twitter 帖子中的索赔检测

    本文旨在填补社交媒体生物医学领域中技术自动验证和虚假新闻检测方法的研究空白，使用样本与新冠肺炎、麻疹、囊性纤维化和抑郁症相关的推文，开发出一个检测自动化声明的模型，并且在嵌入式分类器和 BERT 转移学习方面进行基础分类实验，分析揭示出笔者所构建的医学推特大多数都包含自动化声明信息。

    Apr, 2021

  • 通过推特情感预测研究的科学研究公众反应

    本研究旨在预测推特用户在社交媒体上对科学出版物的情感表达，并研究有哪些研究文章特征有助于这种预测。通过识别社交媒体上的研究文章情感，科学家可以评估其研究文章的新的社会影响。

    Sep, 2022

  • 推特对引用的影响：揭示社交媒体影响者对人工智能研究可见性的影响

    通过研究社交媒体影响者在提高机器学习研究可视性方面的作用，本文探讨了社交媒体对论文引用次数的影响。研究发现，得到这些影响者认可的论文的引用次数显著增加，中位数引用次数比对照组高 2-3 倍。此外，研究还探讨了受关注作者的地理、性别和机构多样性。这些发现突显了社交媒体在学术交流中的扩大影响，并强调了当今数字学术环境中不断发展的生态系统的重要性。

    Jan, 2024

  • SciTweets-- 用于检测科学在线话语的数据集和注释框架

    本研究使用一个标注框架和对不同形式科学相关性的定义，对推文中的科学相关信息进行标注，通过训练多标签分类器检测科学相关性，并成功检测出不同范畴的科学知识（声明、参考文献）进行分析。

    Jun, 2022

  • 推特对市场趋势的影响：分析社交媒体情绪对生物科技股的影响

    本研究调查了生物技术领域中推文情感与各类别的关系：新闻、公司观点、CEO 观点、竞争对手观点以及股市行为，重点在于了解社交媒体话语对投资者情绪和决策过程的影响。我们分析了十家最大和最有影响力的制药公司的历史股市数据，以及与 COVID-19、疫苗、公司和相关 CEO 有关的 Twitter 数据。利用 VADER 情感分析，我们检查了推特情感得分，并评估它们与股市表现之间的关系。我们采用 ARIMA（自回归移动平均）和 VAR（向量自回归）模型来预测股市表现，并引入情感协变量以提高预测准确性。研究结果显示推文情感、新闻、生物技术公司、其 CEO 和股市表现之间存在复杂的相互作用，强调了在建模和预测股价时考虑多种因素的重要性。本研究为社交媒体对金融行业的影响提供了有价值的见解，并为进一步完善股价预测模型的研究奠定了基础。

    Jan, 2024

  • 量化在线长期研究兴趣

    该研究利用机器学习模型分析了多个社交媒体平台上文章被在线分享的持续时间，以预测研究文章的长期在线兴趣。研究发现，旧的文章主要与经济和工业相关，而最近发表的文章则最多在研究平台和社交媒体平台方面被提及。

    Sep, 2022

  • 利用 Twitter 和医疗记录进行在线诊断的现场验证

    使用社交媒体数据进行疾病监测，提出了一种基于个人水平而非人口统计学水平的新的疾病监测系统，通过组合文本分析、异常检测和社交网络分析等手段，可以在个人水平诊断感染流感的准确性超过 99%。

    Apr, 2014

  • 科学界如何对新提交的预印本作出反应：文章下载量、Twitter 提及和引用

    分析了在线响应预印本的方法，通过研究三种响应形式 ——arXiv.org 上的下载，Twitter 上的提及，学术记录中的早期引用，发现 Twitter 和 arXiv 下载是不同的时间模式，并且它们与引用之间存在关联。

    Feb, 2012

  • 通过 Twitter 研究食物消费

    本文研究了利用推特进行营养数据收集与分析的可行性，通过关联 210K 用户推特中提及的饮食体验与其兴趣、社交网络等因素，以推断全美国人的饮食习惯；进一步根据提及的食物名称和人口统计学变量预测县级肥胖症和糖尿病数据，结果较之前的研究表现更佳；最后，还根据提到社会和经济因素的数据，研究了肥胖症的社会因素。

    Dec, 2014

  • 社交媒体作为传感器：利用自然语言处理分析 Twitter 数据对乳腺癌药物效果的研究

    通过自然语言处理技术，本论文以社交媒体数据为资源，研究了乳腺癌患者 / 幸存者的自述信息以及相关药物治疗的副作用和使用模式，揭示了社交媒体数据在乳腺癌研究中的巨大潜力。

    Feb, 2024