COVID-19性别差异中的情绪反应：女性关注家庭，男性关注经济
本研究提供了第一个 COVID-19 情感反应的真实数据集，并分析了语言模式与情感响应的相关性，其中英国人担心家庭和经济状况，短文本呼吁团结，而长文本更详细地阐述了担忧和关切。通过预测建模方法，我们能够在14％的准确率内预测参与者的情感反应，鼓励其他人使用此数据集并改进自动化方法以了解紧迫问题的情感反应和担忧。
Apr, 2020
本篇论文通过应用NLP技术对COVID-19期间发布的推特进行分析，建立EmoCT数据集，训练情感分类器，并探讨了导致悲伤和恐惧情绪的原因。
Apr, 2020
本文基于Reddit讨论平台上男女语言产出的新数据集，进一步确认了现有有关性别影响的情感区别方面的假定，并证明这些差异在涉及COVID-19的情感话语的社交媒体发布中得到了放大。我们的分析还确认了在自然灾害相关的讨论中，男性和女性作者的主题偏好存在相当大的差异。
Aug, 2020
该研究应用自然语言处理技术对社交媒体数据进行分析，以确定COVID-19大流行期间的心理社会压力源，并分析各阶段压力源的流行趋势。结果可用于提供洞察力，以便为个人提供高质量的心理健康支持。
Jan, 2022
本研究对新冠疫情期间LGBTQ社群面对的压力进行了分析，并通过机器学习模型和语言分析研究了LGBTQ社群在疫情期间的语言表达和情绪变化。结果表明LGBTQ社群中存在更多的消极情绪和负面的心态。
May, 2022
通过对Reddit帖子进行分析，本研究发现COVID-19对大众的精神健康状况造成了不成比例的影响。在自动标注COVID-19支持帖子中的焦虑问题后，我们发现Reddit用户在疫情早期对健康风险的担忧非常高，随着时间的推移减少，但对心理健康和未来的担忧却不断上升。
Sep, 2022
研究探讨了美国和印度在2020年2月至2021年4月的十五个月中通过超过5400万条推特表达的与COVID-19相关的各种情绪, 应用预训练的情感分析和主题建模算法，研究了四种不同类型的情绪（恐惧、愤怒、快乐和悲伤）及其时间和位置相关的变化。结果显示了不同国家之间的显着差异和随着时间变化而变化的相对情感比例，讨论了发现的不同之处并探讨了它们的含义。
Mar, 2023
本研究旨在深入了解患有长期COVID的人的情感和心理健康，确定最关注的主题，探索他们的情绪与社交媒体活动之间的潜在关联。研究发现负面情绪在整个研究期间占主导地位，并在关键时期出现两个高峰，例如新冠病毒变种的爆发。
Jul, 2023
在COVID-19期间，对The Guardian报纸的情感分析显示出负面情绪的主导地位，包括悲伤、烦躁、焦虑和否认，与社交媒体情感分析的结果存在差异，表明社交媒体提供了更多样化的情绪反映。
May, 2024