May, 2024

地理共同位置是否重要？COVID-19 期间公共卫生对话的案例研究

PDF
TL;DR在 COVID-19 期间，本研究旨在分析地理共同位置对社交媒体对话的影响。研究结果显示，地理共同位置与更高的参与率相关，尤其是在涉及口罩、封锁和教育等话题以及与学术和医疗专业人员进行的对话中。与情感和个人经历相关的词汇特征在地理上共同存在的背景中更常见。该研究揭示了地理共同位置如何影响社交媒体参与，并可以为改善公共卫生信息传播策略提供参考。
social media platformscovid-19localized engagementtwitter conversation datasetgeographic co-location
发现论文，激发创造
  • Twitter 对话预测每日 COVID-19 确诊病例

    本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析，探究社交媒体对疫情预测的作用，结果表明加入社交媒体变量可以改进疫情预测模型的准确性，并发布全球的 MegaGeoCOV 数据集，以帮助更好地理解全球疫情的动态。

    Jun, 2022

  • 意大利新冠疫情第一波中社交媒体公共话语的时空变化探究

    本文提出了一种方法，利用社交媒体上的语言行为探索重要事件（如 SARS CoV2 大流行）对社会的影响，特别是对空间和时间方面的重要特征进行分类和定量分析，并通过时间序列分析和聚类来确定空间 - 时间类别。利用定性比较分析，方法已在意大利首次冠状病毒流行中得到了应用，结果印证了心理学观察结果，即从事件物理距离越远，越会关注团结和政策而不是疫情本身。

    Jun, 2023

  • GeoCoV19: 一个拥有数亿条多语言 COVID-19 推文和位置信息的数据集

    该文介绍了 GeoCoV19—— 一个包含 524 百万条推文的大规模 Twitter 数据集，通过基于地名词典的方法来推断推文的地理位置，而这一大规模、多语言、地理定位的社交媒体数据可以帮助研究社区评估社会如何共同应对这一前所未有的全球危机，以及建立计算方法来应对如识别假新闻，理解社区的知识差距，建立疾病预测和监测模型等挑战。

    May, 2020

  • 探索名人对公众态度的影响，针对 COVID-19 大流行：社交媒体共享情感分析

    本论文研究了 COVID-19 大流行期间社交媒体消息对公众意见和情感的影响，其中着重关注了公众人物（例如运动员、政治家、新闻人员）分享的内涵以及公众舆论的方向

    Feb, 2023

  • 利用社交网络挖掘研究 COVID-19 疫情对教育的影响

    使用 RoBERTa 语言模型，对涉及 Covid-19 和教育的推文进行情感分析，并结合地理数据库的地理标记，得出高确诊病例国家的总推文、积极推文和消极推文趋势与官方确诊统计数据存在相关性的趋势。

    Mar, 2022

  • EpiTwitter: COVID-19 大流行期间的公共卫生信息传播

    研究了 COVID-19 期间公共卫生专家和伪专家在推特上的沟通，聚焦情绪和道德语言及其与政治精英的互动，发现专家更注重口罩、医疗、教育和疫苗，使用积极情绪语言，而伪专家更多讨论治疗方法和封锁，使用消极情绪语言，专家的积极语言促进公众回应的积极性，专家表达了自由主义的政治立场，而伪专家则显示了保守主义的立场，这些发现揭示了 COVID-19 话语的极化现象，强调专家战略性使用情绪和道德语言以缓解极化问题并增强公众信任的重要性。

    Jun, 2024

  • 追踪社交媒体上关于 COVID-19 大流行的话题：公共冠状病毒 Twitter 数据集的建立

    本文描述了自 2020 年 1 月 22 日以来我们不断收集的多语种新冠状病毒 Twitter 数据集，旨在通过研究在线谈话动态以及科学信息和未经验证的谣言的跟踪等方面，了解这一全球性危机的影响。最终，该数据集可能有助于推动针对这一全球危机的知情决策和有针对性的政策干预。

    Mar, 2020

  • 通过密度聚类和线索聚集技术发现地理相关的故事

    通过对社交媒体中的地理标记帖子进行全球性分析，本文介绍了一种检测城市中意外行为和通过帖子分析情况的方法。该方法使用了基于密度的聚类技术和自然语言处理技术，利用简单的硬件资源在不到一小时的时间内分析了纽约市长达七个月的 Instagram 数据，并且可以轻松适应其他地理标记数据源。

    Dec, 2023

  • 推特这个话题是否应该发？基于生成模型的预测公共卫生信息在推特上的接受度

    本文介绍了使用生成模型（GPT-2）探索公众对 COVID-19 和疫苗相关公共卫生信息潜在接受度的预测方法，并引入了一种新颖的评估方案。

    Apr, 2022

  • COVID-19 疫情期间欧洲推特跨语言情感分析

    本论文使用多语言句子嵌入的神经网络对欧洲 COVID-19 疫情爆发期间收集的 Twitter 消息进行情感分析，并将结果按来源国分离，通过与国家事件的相关性进行时间性发展的相关性分析，研究疫情对人们情绪的影响。

    Aug, 2020