Fugu-MT 論文翻訳(概要): The Language of Food during the Pandemic: Hints about the Dietary Effects of Covid-19

論文の概要: The Language of Food during the Pandemic: Hints about the Dietary Effects of Covid-19

arxiv url: http://arxiv.org/abs/2010.07466v1
Date: Thu, 15 Oct 2020 01:33:05 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 04:37:58.746460
Title: The Language of Food during the Pandemic: Hints about the Dietary Effects of Covid-19
Title（参考訳）: パンデミックにおける食の言語--covid-19の食効果を示唆する
Authors: Hoang Van, Ahmad Musa, Mihai Surdeanu and Stephen Kobourov
Abstract要約: 米国におけるパンデミック・ロックダウン(パンデミック・ロックダウン)中のTwitter上での食事の言語について検討する。我々は、ロックダウン期間中に公表された70万以上のツイートと、過去5年間で同等の期間を分析した。
参考スコア（独自算出の注目度）: 22.692426877996436
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the language of food on Twitter during the pandemic lockdown in the United States, focusing on the two month period of March 15 to May 15, 2020. Specifically, we analyze over770,000 tweets published during the lockdown and the equivalent period in the five previous years and highlight several worrying trends. First, we observe that during the lockdown there was a notable shift from mentions of healthy foods to unhealthy foods. Second, we show an increased pointwise mutual information of depression hashtags with food-related tweets posted during the lockdown and an increased association between depression hashtags and unhealthy foods, tobacco, and alcohol during the lockdown.
Abstract（参考訳）: 我々は,米国におけるパンデミックロックダウン中のTwitter上での食事の言語について調査し,2020年3月15日から5月15日までの2ヶ月の期間に着目した。具体的には、ロックダウン期間中に公開された770,000件以上のツイートと、過去5年間の同等の期間を分析し、懸念すべきトレンドをいくつか強調する。まず、ロックダウンの間、健康食品の言及から不健康食品への顕著な変化が観察された。第2に、ロックダウン中に投稿されたフード関連ツイートによるうつ病ハッシュタグのポイント別相互情報の増加と、ロックダウン中のうつ病ハッシュタグと不健康食品、タバコ、アルコールとの関連性の増加を示す。

関連論文リスト

Comfort Foods and Community Connectedness: Investigating Diet Change during COVID-19 Using YouTube Videos on Twitter [5.761735637750927]
新型コロナウイルス(COVID-19)のパンデミック・ロックダウン(パンデミック・ロックダウン)は、何百万人もの人々の習慣を大きく変えた。われわれは、ダイエット、運動、フィットネスに関するツイートに埋め込まれたYouTubeビデオを使って、パンデミックのロックダウンがダイエットと栄養に与える影響を調査している。
論文参考訳（メタデータ） (2023-05-19T02:51:25Z)
RevealED: Uncovering Pro-Eating Disorder Content on Twitter Using Deep Learning [0.0]
本研究の目的は、ソーシャルメディア投稿が画像データのみに基づいて摂食障害を促進するかどうかを判断できる深層学習モデルを構築することである。いくつかのディープラーニングモデルは、スクラップデータセットに基づいてトレーニングされ、その精度、F1スコア、精度、リコールに基づいて評価された。このモデルは「#selfie」から取り除かれた未ラベルのTwitter画像データに適用された。
論文参考訳（メタデータ） (2022-12-28T16:50:49Z)
How to Prepare for the Next Pandemic -- Investigation of Correlation Between Food Prices and COVID-19 From Global and Local Perspectives [3.6095388702618414]
新型コロナウイルス(COVID-19)は世界経済に大きな混乱をもたらした。食料価格は、2020年8月と2021年8月にそれぞれ4.1%と3.7%増加した。新型コロナウイルスのパンデミックが食料価格の変動を引き起こし、価格の変化が人々の食料品の買い物行動も変化させるという仮説を立てる。
論文参考訳（メタデータ） (2022-11-24T02:34:56Z)
Extracting Major Topics of COVID-19 Related Tweets [2.867517731896504]
トピックモデリング手法を用いて,全国の検疫期間(2020年3月23日～6月23日)に,Covid-19のツイートからグローバルトピックを抽出する。また,世界と4カ国の話題の時間的傾向を分析した。
論文参考訳（メタデータ） (2021-10-05T08:40:51Z)
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)
American Twitter Users Revealed Social Determinants-related Oral Health Disparities amid the COVID-19 Pandemic [72.44305630014534]
新型コロナウイルス(COVID-19)パンデミックの期間中に、26州で9,104人のTwitterユーザーから、口腔の健康関連ツイートを収集しました。女性や若年者(19-29)は口腔の健康問題について話す傾向が強い。新型コロナウイルス(COVID-19)のリスクが高い郡の人々は、歯の腐敗や歯の出血、歯の破折について語っています。
論文参考訳（メタデータ） (2021-09-16T01:10:06Z)
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)
Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
論文参考訳（メタデータ） (2020-10-15T16:02:25Z)
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)
#MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media [71.74529365205053]
我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
論文参考訳（メタデータ） (2020-01-16T18:05:46Z)

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。