論文の概要: Measuring daily-life fear perception change: a computational study in the context of COVID-19

• arxiv url: http://arxiv.org/abs/2107.12606v1
• Date: Tue, 27 Jul 2021 05:17:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-28 14:46:53.972055
• Title: Measuring daily-life fear perception change: a computational study in the context of COVID-19
• Title（参考訳）: 日々の恐怖感の変化を測定する : COVID-19の文脈における計算的研究
• Authors: Yuchen Chai (1), Juan Palacios (1), Jianghao Wang (2), Yichun Fan (1) and Siqi Zheng (1) ((1) Massachusetts Institute of Technology, (2) Chinese Academy of Science)
• Abstract要約: われわれは、2019年1月1日から2020年8月31日までに536万人のユーザーが生成した1600万のソーシャルメディア投稿を用いて、表現された恐怖データベースを構築した。 我々は,各投稿中の恐怖感情を検知し,トピックモデルを適用して中心的恐怖トピックを抽出するために,深層学習技術を採用している。 新型コロナウイルスによって引き起こされる恐れの主な原因は、健康と労働に関する懸念である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID-19, as a global health crisis, has triggered the fear emotion with unprecedented intensity. Besides the fear of getting infected, the outbreak of COVID-19 also created significant disruptions in people's daily life and thus evoked intensive psychological responses indirect to COVID-19 infections. Here, we construct an expressed fear database using 16 million social media posts generated by 536 thousand users between January 1st, 2019 and August 31st, 2020 in China. We employ deep learning techniques to detect the fear emotion within each post and apply topic models to extract the central fear topics. Based on this database, we find that sleep disorders ("nightmare" and "insomnia") take up the largest share of fear-labeled posts in the pre-pandemic period (January 2019-December 2019), and significantly increase during the COVID-19. We identify health and work-related concerns are the two major sources of fear induced by the COVID-19. We also detect gender differences, with females generating more posts containing the daily-life fear sources during the COVID-19 period. This research adopts a data-driven approach to trace back public emotion, which can be used to complement traditional surveys to achieve real-time emotion monitoring to discern societal concerns and support policy decision-making.
• Abstract（参考訳）: 世界的な健康危機である新型コロナウイルス(covid-19)は、前例のない勢いで恐怖の感情を引き起こした。 感染の恐れに加え、新型コロナウイルスの流行は人々の日常生活に大きな混乱をもたらし、新型コロナウイルスの感染に間接的に集中的な心理的反応を引き起こした。 ここでは,2019年1月1日から2020年8月31日にかけて,536万人のユーザが生成した1600万のソーシャルメディア投稿を用いて,表現された恐怖データベースを構築する。 本研究では,各投稿中の恐怖感情を検知し,トピックモデルを適用して中心的恐怖トピックを抽出する。 このデータベースに基づき、睡眠障害(「夜間」と「不眠症」)は、パンデミック前の期間(2019年1月～2019年12月)で最も多く、新型コロナウイルス(covid-19)の期間に著しく増加した。 新型コロナウイルスによって引き起こされる恐れの主な原因は、健康と労働に関する懸念である。 また、COVID-19の期間中に、女性が日常生活の恐怖源を含む投稿を多く生成するなど、性別差も検出します。 本研究は、社会的関心を識別し、政策決定を支援するために、従来の調査を補完するデータ駆動型アプローチを採用する。

関連論文リスト

• Exploring Social Media for Early Detection of Depression in COVID-19 Patients [44.76299288962596]
  早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。 我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。 うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
  論文  参考訳（メタデータ） (2023-02-23T14:13:52Z)
• "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)
• Exploring COVID-19 Related Stressors Using Topic Modeling [0.0]
  本研究では、ソーシャルメディアデータに自然言語処理(NLP)を適用し、新型コロナウイルスパンデミック時の精神社会的ストレスを識別することを目的とする。 2月14日から,subreddit rCOVID19_ Supportから9266件のReddit投稿のデータセットを得た。 2020年 - 2021年7月19日。 その結果,ソーシャルメディアプラットフォーム上で議論されているコビッド新型コロナウイルス関連ストレス要因の傾向を可視化するダッシュボードが提示された。
  論文  参考訳（メタデータ） (2022-01-12T20:22:43Z)
• 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)
• Public risk perception and emotion on Twitter during the Covid-19 pandemic [0.0]
  このテキストの自然言語解析により、公共リスク知覚の指標をほぼリアルタイムで監視することができる。 我々は、パンデミックの進行の疫学的指標と、2000万のユニークなCovid-19関連ツイートから構築されたパンデミックに対する大衆の認識の指標を比較した。 Twitterユーザーはますます死亡率を固定するが、感情的にも分析的にも減少している。
  論文  参考訳（メタデータ） (2020-08-03T13:09:45Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• 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)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)
• 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)
• 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)

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。