論文の概要: How Epidemic Psychology Works on Twitter: Evolution of responses to the COVID-19 pandemic in the U.S

• arxiv url: http://arxiv.org/abs/2007.13169v3
• Date: Tue, 20 Jul 2021 16:43:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-08 04:40:20.799742
• Title: How Epidemic Psychology Works on Twitter: Evolution of responses to the COVID-19 pandemic in the U.S
• Title（参考訳）: エピデミック心理学がTwitterでどのように働くか:米国における新型コロナウイルスのパンデミックに対する反応の進化
• Authors: Luca Maria Aiello, Daniele Quercia, Ke Zhou, Marios Constantinides, Sanja \v{S}\'cepanovi\'c, Sagar Joglekar
• Abstract要約: 我々は、2020年中に米国に投稿された新型コロナウイルスのパンデミックに関連する122万ツイートの言語の使用について調査する。 拒否の段階では、他国での死者の増加にもかかわらず、ユーザーは現実を受け入れることを拒んだ。 怒りの段階において、利用者の恐怖は、物事が変わろうとしているという荒れ果てた感情に対する怒りに変換された。 最後に、当局が身体距離対策を課した後の受け入れ段階において、利用者は日常活動の「新しい正常」に落ち着いた。
• 参考スコア（独自算出の注目度）: 4.051767490231935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Disruptions resulting from an epidemic might often appear to amount to chaos but, in reality, can be understood in a systematic way through the lens of "epidemic psychology". According to Philip Strong, the founder of the sociological study of epidemic infectious diseases, not only is an epidemic biological; there is also the potential for three psycho-social epidemics: of fear, moralization, and action. This work empirically tests Strong's model at scale by studying the use of language of 122M tweets related to the COVID-19 pandemic posted in the U.S. during the whole year of 2020. On Twitter, we identified three distinct phases. Each of them is characterized by different regimes of the three psycho-social epidemics. In the refusal phase, users refused to accept reality despite the increasing number of deaths in other countries. In the anger phase (started after the announcement of the first death in the country), users' fear translated into anger about the looming feeling that things were about to change. Finally, in the acceptance phase, which began after the authorities imposed physical-distancing measures, users settled into a "new normal" for their daily activities. Overall, refusal of accepting reality gradually died off as the year went on, while acceptance increasingly took hold. During 2020, as cases surged in waves, so did anger, re-emerging cyclically at each wave. Our real-time operationalization of Strong's model is designed in a way that makes it possible to embed epidemic psychology into real-time models (e.g., epidemiological and mobility models).
• Abstract（参考訳）: 流行によって引き起こされる混乱はしばしば混乱に匹敵するが、実際には「エピデミック心理学」のレンズを通して体系的な方法で理解することができる。 伝染病の社会学的研究の創始者であるフィリップ・ストロング(Philip Strong)によれば、これは生物学的な流行であるだけでなく、恐怖、モラル化、行動の3つの精神社会的流行の可能性がある。 この研究は、2020年全体を通じて米国に投稿された新型コロナウイルス(COVID-19)パンデミックに関連する122万ツイートの言語の使用について、Strongのモデルを実証的に検証する。 Twitterでは3つの異なるフェーズを特定しました。 それぞれの症状は、3つの精神社会的流行の異なる体制によって特徴づけられる。 拒否段階では、ユーザーは他国での死亡者の増加にもかかわらず、現実を受け入れることを拒んだ。 怒りのフェーズ(国で最初の死が公表されてから始まった)では、ユーザーの恐怖は、物事が変化しようとしていると感じることに対する怒りへと翻訳された。 最終的に、当局が体育対策を課した後に始まった受容段階において、ユーザーは日々の活動に「新しい正常」に落ち着いた。 全体的には、現実を受け入れることの拒否は年が経つにつれて次第に廃れていったが、次第に受け入れは止まった。 2020年、感染者が波で急増する中、怒りも高まり、各波に繰り返し出現した。 strongモデルのリアルタイム運用は、流行心理学をリアルタイムモデル(例えば、疫学とモビリティモデル)に組み込むことができるように設計されています。

関連論文リスト

• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• "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)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• COVID-19 sentiment analysis via deep learning during the rise of novel cases [0.5156484100374059]
  我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。 我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。 楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
  論文  参考訳（メタデータ） (2021-04-05T04:31:19Z)
• Social Media Unrest Prediction during the {COVID}-19 Pandemic: Neural Implicit Motive Pattern Recognition as Psychometric Signs of Severe Crises [26.447165399064552]
  心理的に検証された社会的不安予測器を提示し,スケーラブルで自動的な予測を再現する。 私たちはこのモデルを使って、新型コロナウイルスのパンデミックによる社会不安に対する言語の変化を調査します。
  論文  参考訳（メタデータ） (2020-12-08T17:40:35Z)
• Identifying pandemic-related stress factors from social-media posts -- effects on students and young-adults [2.198430261120653]
  新型コロナウイルス(COVID-19)のパンデミックにより、世界中で自然の生命が失われている。 原因となるウイルスの拡散を抑制するため、厳格な対策が実施され、最も効果的なのは社会的孤立である。 このことが社会全体に広範に広まり、抑うつをもたらしたが、若年層や高齢者の間では顕著である。
  論文  参考訳（メタデータ） (2020-12-01T08:42:27Z)
• Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
  我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。 我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
  論文  参考訳（メタデータ） (2020-09-23T22:35:43Z)
• Hope Amid of a Pandemic: Is Psychological Distress Alleviating in South America while Coronavirus is still on Surge? [1.7894377200944511]
  新型コロナウイルスのパンデミックで1700万人以上が死亡し、66万7000人以上が負傷した。 本稿は、南アメリカのすべてのスペイン語圏の人々の心理的側面に対するロックダウンの影響を検討することを目的とする。
  論文  参考訳（メタデータ） (2020-08-27T17:53:22Z)
• How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian Emotions Through The Lens of Twitter [2.805251632575323]
  WHOは216カ国と領土で600,000人近くが死亡し、1300万人以上が確認されたと報告している。 インドは、米国とブラジルに次いで、パンデミックで3番目に最悪の国となった。 ツイートから人の感情を識別する深層学習システムを提案する。
  論文  参考訳（メタデータ） (2020-08-20T15:39:05Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• 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。