論文の概要: The Burden of Being a Bridge: Analysing Subjective Well-Being of Twitter Users during the COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2104.04331v2
• Date: Sun, 26 Jun 2022 11:50:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 07:53:15.027910
• Title: The Burden of Being a Bridge: Analysing Subjective Well-Being of Twitter Users during the COVID-19 Pandemic
• Title（参考訳）: 橋渡しの負担--covid-19パンデミックにおけるtwitterユーザーの主観的幸福度の分析
• Authors: Ninghan Chen, Xihui Chen, Zhiqiang Zhong, Jun Pang
• Abstract要約: 本研究では,パンデミックが影響力のあるソーシャルメディア利用者のメンタルヘルスに与える影響について検討する。 SWBの変化が情報拡散におけるブリッジ性能と関係があるかどうかを解析する。 約2年間Twitterから収集されたデータから、新型コロナウイルス(COVID-19)パンデミックにおける影響力のあるユーザーの精神的苦痛が増していることが明らかになった。
• 参考スコア（独自算出の注目度）: 4.178929174617172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The outbreak of the COVID-19 pandemic triggers infodemic over online social media, which significantly impacts public health around the world, both physically and psychologically. In this paper, we study the impact of the pandemic on the mental health of influential social media users, whose sharing behaviours significantly promote the diffusion of COVID-19 related information. Specifically, we focus on subjective well-being (SWB), and analyse whether SWB changes have a relationship with their bridging performance in information diffusion, which measures the speed and wideness gain of information transmission due to their sharing. We accurately capture users' bridging performance by proposing a new measurement. Benefiting from deep-learning natural language processing models, we quantify social media users' SWB from their textual posts. With the data collected from Twitter for almost two years, we reveal the greater mental suffering of influential users during the COVID-19 pandemic. Through comprehensive hierarchical multiple regression analysis, we are the first to discover the strong {relationship} between social users' SWB and their bridging performance.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミック(covid-19)の流行は、オンラインソーシャルメディア上でインフォデミック(インフォデミック)を引き起こす。 本稿では,ソーシャルメディア利用者のメンタルヘルスに及ぼすパンデミックの影響について検討し,その共有行動が新型コロナウイルス関連情報の拡散を著しく促進することを示す。 具体的には、主観的幸福感(SWB)に着目し、SWBの変化が情報拡散におけるブリッジング性能と関係があるかどうかを分析し、共有による情報伝達の速度と幅の利得を測定する。 新しい測定方法を提案することにより,ユーザのブリッジング性能を正確に把握する。 ディープラーニング自然言語処理モデルにより,ソーシャルメディア利用者のSWBをテキスト投稿から定量化する。 約2年間twitterから収集されたデータから、新型コロナウイルス(covid-19)パンデミックにおける影響力のあるユーザーの精神的な苦痛が明らかになった。 包括的階層的多重回帰分析を通じて,ソーシャルユーザのSWBとブリッジング性能の強い相関関係を初めて発見する。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
  誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。 偏光と誤情報付着が密接な関係にあると仮定する。
  論文  参考訳（メタデータ） (2022-06-30T12:34:24Z)
• "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)
• Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
  本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。 我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。 次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
  論文  参考訳（メタデータ） (2021-09-20T13:31:15Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Debate on Online Social Networks at the Time of COVID-19: An Italian Case Study [4.176752121302988]
  イタリアで人気のインフルエンサーたちの交流パターンが、2020年前半にどう変わったかを分析した。 1億4000万件以上の投稿に5400万件以上のコメントが寄せられた。 また,コメントの心理言語的特性からユーザ感情を分析し,パンデミックに関連する話題の急激なブームと消失を実証した。
  論文  参考訳（メタデータ） (2021-06-02T08:25:19Z)
• COVID-19 and Big Data: Multi-faceted Analysis for Spatio-temporal Understanding of the Pandemic with Social Media Conversations [4.07452542897703]
  ソーシャルメディアプラットフォームは、新型コロナウイルス(COVID-19)に関する世界的な会話の手段として機能している。 本稿では,パンデミックを取り巻くソーシャルメディア会話の重要コンテンツと特徴の分析,マイニング,追跡のための枠組みを提案する。
  論文  参考訳（メタデータ） (2021-04-22T00:45:50Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• Critical Impact of Social Networks Infodemic on Defeating Coronavirus COVID-19 Pandemic: Twitter-Based Study and Research Directions [1.6571886312953874]
  2019年の推計295億人が世界中でソーシャルメディアを利用している。 コロナウイルスの流行は、ソーシャルメディアの津波を引き起こした。 本稿では,Twitterから収集したデータに基づく大規模研究について述べる。
  論文  参考訳（メタデータ） (2020-05-18T15:53:13Z)
• Characterizing information leaders in Twitter during COVID-19 Pandemic [0.0]
  誤報の情報デミックは、パンデミックに関連する重要な二次的危機である。 本稿では,このソーシャル・ネットワークにおける活動から派生したソーシャル・グラフの分析に基づいて,Twitterのリーダーを特徴付けるフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-14T21:14:15Z)

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。