論文の概要: Framing COVID-19: How we conceptualize and discuss the pandemic on Twitter

• arxiv url: http://arxiv.org/abs/2004.06986v2
• Date: Fri, 2 Oct 2020 10:26:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 03:59:17.219729
• Title: Framing COVID-19: How we conceptualize and discuss the pandemic on Twitter
• Title（参考訳）: 新型コロナウイルスのフレイミング:Twitter上でのパンデミックの概念化と議論
• Authors: Philipp Wicke and Marianna M. Bolognesi
• Abstract要約: 戦時関連の用語は、疫病や病気に関する議論の枠組みとして一般的に用いられる。 我々は、2020年3月から4月にかけてTwitterに投稿された200万ツイートのコーパスに基づいて、#Covid-19に関する談話の分析を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Doctors and nurses in these weeks are busy in the trenches, fighting against a new invisible enemy: Covid-19. Cities are locked down and civilians are besieged in their own homes, to prevent the spreading of the virus. War-related terminology is commonly used to frame the discourse around epidemics and diseases. Arguably the discourse around the current epidemic will make use of war-related metaphors too,not only in public discourse and the media, but also in the tweets written by non-experts of mass communication. We hereby present an analysis of the discourse around #Covid-19, based on a corpus of 200k tweets posted on Twitter during March and April 2020. Using topic modelling we first analyze the topics around which the discourse can be classified. Then, we show that the WAR framing is used to talk about specific topics, such as the virus treatment, but not others, such as the effects of social distancing on the population. We then measure and compare the popularity of the WAR frame to three alternative figurative frames (MONSTER, STORM and TSUNAMI) and a literal frame used as control (FAMILY). The results show that while the FAMILY literal frame covers a wider portion of the corpus, among the figurative framings WAR is the most frequently used, and thus arguably the most conventional one. However, we conclude, this frame is not apt to elaborate the discourse around many aspects involved in the current situation. Therefore, we conclude, in line with previous suggestions, a plethora of framing options, or a metaphor menu, may facilitate the communication of various aspects involved in the Covid-19-related discourse on the social media, and thus support civilians in the expression of their feelings, opinions and ideas during the current pandemic.
• Abstract（参考訳）: この数週間の医師や看護師は、新たな目に見えない敵であるCovid-19と戦う溝で忙しい。 都市は封鎖され、市民は新型コロナウイルスの感染拡大を防ぐために自分の家に包囲されている。 戦時関連の用語は、疫病や病気に関する議論の枠組みとして一般的に用いられる。 おそらく、現在の流行に関する談話は戦争関連のメタファーも利用し、公共の談話やメディアだけでなく、マスコミュニケーションの非専門家によるツイートにも使われるだろう。 ここでは,2020年3月から4月にかけてtwitterに投稿された2万ツイートのコーパスに基づいて,#covid-19に関する談話の分析を行う。 トピックモデリングを使用して、まず、会話を分類できるトピックを分析します。 次に, 戦争フレーミングは, ウイルス治療など特定の話題について語るのに使用されるが, 社会的不均衡が人口に与える影響など, 他の話題は用いないことを示す。 次に、WARフレームの人気を3つの代替図形フレーム(monSTER、STORM、tsuNAMI)と、制御として使用されるリテラルフレーム(FAMILY)と比較する。 その結果、家族のリテラル・フレームはコーパスの広い部分をカバーしているが、フィギュラティブ・フレミングズ戦争が最も頻繁に使われており、したがっておそらく最も一般的なものとなっている。 しかし, この枠組みは, 現状に係わる多くの側面について, 議論を詳しく述べるには適していない。 したがって、これまでの提案と相まって、多くのフレイミングオプションやメタファーメニューが、ソーシャルメディア上での新型コロナウイルス関連談話に関わるさまざまな側面のコミュニケーションを促進し、現在のパンデミックの間、市民の感情や意見、考えの表現を支援することができると結論づける。

関連論文リスト

• SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
  多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。 各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。 われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
  論文  参考訳（メタデータ） (2024-10-24T03:03:54Z)
• Framing Analysis of Health-Related Narratives: Conspiracy versus Mainstream Media [3.3181276611945263]
  我々は、新型コロナウイルスやその他の疾患などの健康関連トピックのフレーミングが、陰謀と主流のウェブサイトの間でどのように異なるかを検討する。 共謀メディアの健康に関する物語は、主に信念の枠組みで表現されているのに対し、主流メディアは科学の観点で表現する傾向にある。
  論文  参考訳（メタデータ） (2024-01-18T14:56:23Z)
• "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
  我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
  論文  参考訳（メタデータ） (2022-06-12T19:41:01Z)
• Know it to Defeat it: Exploring Health Rumor Characteristics and Debunking Efforts on Chinese Social Media during COVID-19 Crisis [65.74516068984232]
  われわれは、中国のマイクロブログサイトWeiboで、新型コロナウイルス(COVID-19)に関する4ヶ月にわたる噂に関するオンラインディスカッションを包括的に分析した。 以上の結果から、不安(恐怖)型健康噂は、希望(希望)型よりもはるかに多くの議論を巻き起こし、長く続いたことが示唆された。 本稿では,噂の議論を抑えるためのデバンキングの有効性を示す。
  論文  参考訳（メタデータ） (2021-09-25T14:02:29Z)
• Covid-19 Discourse on Twitter: How the Topics, Sentiments, Subjectivity, and Figurative Frames Changed Over Time [0.0]
  トピックモデリングを用いて,パンデミックの進展に関連するトピックが時間とともにどのように変化したかを示す。 ツイートの平均主観性は、直線的に上昇し、第4位となり、実際の暴動や戦闘が会話に入ると、人気で頻繁に使われるフィギュラティカル・フレームがどう変化したかを示す。
  論文  参考訳（メタデータ） (2021-03-16T10:22:39Z)
• Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic [0.3674863913115431]
  新型コロナウイルス感染症(COVID-19)の世界的な流行が世界中に広がった。 パンデミックに対する公衆の懸念や対応を理解するためには、機械学習技術を利用して無関係なツイートをフィルタリングするシステムが必要である。 本研究では,2020年1月1日から2020年4月30日までの間に,新型コロナウイルスのパンデミックに関連するツイートを識別するシステムを構築した。
  論文  参考訳（メタデータ） (2020-10-31T22:26:26Z)
• Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media [14.662523926129117]
  大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。 安全な家にいよう」といった話題は肯定的な感情で支配されている。 人の死のような他のものは、常に否定的な感情を示しています。
  論文  参考訳（メタデータ） (2020-07-05T12:05:30Z)
• Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
  我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。 中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。 我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
  論文  参考訳（メタデータ） (2020-05-29T09:24:38Z)
• Twitter discussions and emotions about COVID-19 pandemic: a machine learning approach [0.0]
  我々は、2020年3月1日から4月21日にかけての「コロナウイルス」「新型コロナウイルス」「隔離」など25のハッシュタグのリストを用いて、新型コロナウイルスのパンデミックに関連する400万のTwitterメッセージを分析した。 我々は、13の議論トピックを特定し、それらを「新型コロナウイルスの拡散を遅らせるための公衆衛生措置」、「新型コロナウイルスに関連する社会的汚職」、「米国でのコロナウイルスのニュースと死」、「世界の他の場所でのコロナウイルスのケース」など、5つの異なるテーマに分類する。
  論文  参考訳（メタデータ） (2020-05-26T16:10:02Z)
• VisualCOMET: Reasoning about the Dynamic Context of a Still Image [97.20800299330078]
  ビジュアルコモンセンス推論のためのフレームワークであるVisualCometを提案する。 VisualCometは、以前に起こりそうなイベント、次に起こる可能性のあるイベント、現在の人々の意図を予測する。 Visual Commonsense Graphsの最初の大規模リポジトリを紹介します。
  論文  参考訳（メタデータ） (2020-04-22T19:02:20Z)
• The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
  新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。 米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。 本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
  論文  参考訳（メタデータ） (2020-04-21T13:02:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。