論文の概要: Twitter Subjective Well-Being Indicator During COVID-19 Pandemic: A
Cross-Country Comparative Study
- arxiv url: http://arxiv.org/abs/2101.07695v1
- Date: Tue, 19 Jan 2021 15:51:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 00:22:57.283105
- Title: Twitter Subjective Well-Being Indicator During COVID-19 Pandemic: A
Cross-Country Comparative Study
- Title(参考訳): 新型コロナウイルスパンデミックにおけるTwitterの主観的幸福度指標 : クロスカントリー比較研究
- Authors: Tiziana Carpi, Airo Hino, Stefano Maria Iacus, Giuseppe Porro
- Abstract要約: 本研究は、日本とイタリアのTwitterデータ指標を用いて、新型コロナウイルスのパンデミックが主観的幸福感に与える影響を分析した。
全体として、主観的な幸福感はイタリアでは11.7%、日本では8.3%減少し、2020年の最初の9ヶ月は2019年の最後の2ヶ月と比較して減少した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study analyzes the impact of the COVID-19 pandemic on the subjective
well-being as measured through Twitter data indicators for Japan and Italy. It
turns out that, overall, the subjective well-being dropped by 11.7% for Italy
and 8.3% for Japan in the first nine months of 2020 compared to the last two
months of 2019 and even more compared to the historical mean of the indexes.
Through a data science approach we try to identify the possible causes of this
drop down by considering several explanatory variables including, climate and
air quality data, number of COVID-19 cases and deaths, Facebook Covid and flu
symptoms global survey, Google Trends data and coronavirus-related searches,
Google mobility data, policy intervention measures, economic variables and
their Google Trends proxies, as well as health and stress proxy variables based
on big data. We show that a simple static regression model is not able to
capture the complexity of well-being and therefore we propose a dynamic elastic
net approach to show how different group of factors may impact the well-being
in different periods, even over a short time length, and showing further
country-specific aspects. Finally, a structural equation modeling analysis
tries to address the causal relationships among the COVID-19 factors and
subjective well-being showing that, overall, prolonged mobility
restrictions,flu and Covid-like symptoms, economic uncertainty, social
distancing and news about the pandemic have negative effects on the subjective
well-being.
- Abstract(参考訳): 本研究は、日本とイタリアのTwitterデータ指標を用いて、新型コロナウイルスのパンデミックが主観的幸福感に与える影響を分析した。
総じて、主観的幸福感はイタリアでは11.7%、日本では8.3%減少し、2019年後半の2カ月に比べて、そして歴史的平均と比べてさらに低下した。
データサイエンスアプローチを通じて、気候と空気の品質データ、COVID-19のケースと死亡数、Facebook Covidとインフルエンザの世界的な調査、Google Trendsデータと新型コロナウイルス関連のサーチ、Googleモビリティデータ、ポリシー介入対策、経済変数、Google Trendsプロキシなど、いくつかの説明変数、ビッグデータに基づく健康とストレスプロキシ変数など、この低下の可能性のある原因を特定しようとしています。
本研究では, 簡単な静的回帰モデルではウェルビーイングの複雑さを捉えることができず, 動的弾性ネット手法を用いて, 短時間であっても, 異なる期間のウェルビーイングにどう影響するかを示す。
最後に、構造方程式モデリング分析は、covid-19要因と主観的幸福感の因果関係に対処し、全体的な移動制限、インフルエンザおよびcovid-19様症状、経済的不確実性、社会的距離、パンデミックに関するニュースが主観的幸福感に悪影響を及ぼすことを示している。
関連論文リスト
- Causal Analysis and Prediction of Human Mobility in the U.S. during the
COVID-19 Pandemic [0.0]
米国における新型コロナウイルスの感染拡大以来、ほとんどの州は旅行制限を強制しており、移動度は大幅に低下している。
本研究は、このパンデミックの間、米国における人間の移動と旅行に最も影響を及ぼす要因を決定・分析する分析枠組みを開発する。
論文 参考訳(メタデータ) (2021-11-24T05:15:12Z) - Impact of COVID-19 Policies and Misinformation on Social Unrest [0.0]
我々は、西欧8か国と米国の4か国における社会不安(抗議)、健康結果、公衆衛生命令、誤情報との相互作用に焦点を当てる。
我々は、高い抗議活動の時期と、時間とともに抗議活動の総数を特定するために、バイナリ抗議指標の1~3週間の予測を作成しました。
ベルギーを除くすべての地域で、我々のさまざまなデータストリームから少なくとも1つの特徴が抗議行動の予測であることがわかった。
論文 参考訳(メタデータ) (2021-10-07T16:05:10Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-08-08T15:46:05Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳(メタデータ) (2021-05-06T15:24:00Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳(メタデータ) (2021-03-18T03:31:33Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳(メタデータ) (2021-02-18T21:14:52Z) - Impact of Interventional Policies Including Vaccine on Covid-19
Propagation and Socio-Economic Factors [0.7874708385247353]
本研究の目的は、新型コロナウイルスの伝播と社会経済的影響をモデル化、予測、シミュレーションするための予測分析フレームワークを提供することである。
私たちは最近ローンチしたオープンソースのCOVID-19ビッグデータプラットフォームを活用し、公開研究を使用して潜在的に関連する変数を見つけました。
先進的な機械学習パイプラインは、現代的な機械学習アーキテクチャにデプロイされた自己進化モデルを用いて開発された。
論文 参考訳(メタデータ) (2021-01-11T15:08:07Z) - COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。
本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。
人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
論文 参考訳(メタデータ) (2020-12-21T00:37:24Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳(メタデータ) (2020-12-08T21:21:47Z) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳(メタデータ) (2020-12-08T16:30:43Z)
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。