論文の概要: COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on Twitter

• arxiv url: http://arxiv.org/abs/2108.04816v1
• Date: Thu, 29 Jul 2021 17:31:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-15 13:22:55.534087
• Title: COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on Twitter
• Title（参考訳）: 新型コロナウイルスワクチンとソーシャルメディア:Twitter上での感情と議論
• Authors: Amir Karami, Michael Zhu, Bailey Goldschmidt, Hannah R. Boyajieff, Mahdi M. Najafabadi
• Abstract要約: 新型コロナウイルスワクチンに対する公衆の反応は、新型コロナウイルスのパンデミックを抑える上で重要な成功要因だ。 伝統的な調査は高価で時間を要するもので、限られた健康問題に対処し、小規模なデータを取得する。 本研究では,多数のつぶやきを収集・解析するために,計算的および人為的符号化手法を用いた手法を提案する。
• 参考スコア（独自算出の注目度）: 9.834635805575582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Public response to COVID-19 vaccines is the key success factor to control the COVID-19 pandemic. To understand the public response, there is a need to explore public opinion. Traditional surveys are expensive and time-consuming, address limited health topics, and obtain small-scale data. Twitter can provide a great opportunity to understand public opinion regarding COVID-19 vaccines. The current study proposes an approach using computational and human coding methods to collect and analyze a large number of tweets to provide a wider perspective on the COVID-19 vaccine. This study identifies the sentiment of tweets and their temporal trend, discovers major topics, compares topics of negative and non-negative tweets, and discloses top topics of negative and non-negative tweets. Our findings show that the negative sentiment regarding the COVID-19 vaccine had a decreasing trend between November 2020 and February 2021. We found Twitter users have discussed a wide range of topics from vaccination sites to the 2020 U.S. election between November 2020 and February 2021. The findings show that there was a significant difference between negative and non-negative tweets regarding the weight of most topics. Our results also indicate that the negative and non-negative tweets had different topic priorities and focuses.
• Abstract（参考訳）: 新型コロナウイルスワクチンに対する公衆の反応は、新型コロナウイルスのパンデミックを抑える重要な成功要因だ。 公衆の反応を理解するには、世論を探求する必要がある。 従来の調査は高価で時間がかかり、限られた健康トピックに対処し、小規模のデータを取得する。 Twitterは新型コロナウイルスワクチンに関する世論を理解する素晴らしい機会を提供することができる。 本研究は,covid-19ワクチンのより広い視点を提供するために,大量のツイートを収集し分析するために,計算処理と人間のコーディング手法を用いたアプローチを提案する。 本研究では,ツイートの感情とその時間的傾向を明らかにし,主要な話題を発見し,否定的および非否定的ツイートの話題を比較し,否定的および非否定的ツイートのトップトピックを開示する。 以上の結果から,2020年11月から2021年2月にかけて,新型コロナウイルスワクチンに対する否定的な評価は低下傾向にあった。 われわれはTwitterユーザーが、予防接種サイトから2020年11月から2021年2月の米国大統領選挙まで幅広い話題を議論しているのを発見した。 その結果、ほとんどのトピックの重みに関する負のツイートと非負のツイートの間に有意な差が認められた。 結果は、ネガティブツイートと非ネガティブツイートは、トピックの優先順位と焦点が異なることを示している。

関連論文リスト

• Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
  医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。 医師は新型ワクチンよりもワクチンの有効性を懸念している。 看護婦は子供に対する潜在的な副作用にもっと注意を払う。
  論文  参考訳（メタデータ） (2022-09-11T14:22:16Z)
• Demystifying the COVID-19 vaccine discourse on Twitter [2.9823454433205905]
  我々は、2020年3月から2021年3月までの7500万件の英語ツイートを含むTwitterデータセットを調査した。 我々は、自然言語処理(NLP)技術を用いて姿勢検出アルゴリズムを訓練し、ツイートをアンチ・ヴァックスまたはプロ・ヴァックスとして分類する。 反バックスツイート(1000万ツイート)をはるかに上回っているが、両方のスタンスからのツイートの大半は、デュアルスタンスユーザーのものだ。
  論文  参考訳（メタデータ） (2022-08-29T11:56:21Z)
• Vaccine Discourse on Twitter During the COVID-19 Pandemic [0.7161783472741748]
  本研究は、Twitter上での新型コロナウイルスワクチンに関する投稿を調査し、ワクチンに対する否定的な姿勢を持つものに焦点を当てる。 新型コロナウイルスワクチンに関連する英国のツイート16,713,238件のデータセットが収集された。 新型コロナウイルスワクチンに関する否定性は、ワクチンのロールアウトとともに時間とともに低下していることを示す。
  論文  参考訳（メタデータ） (2022-07-23T13:50:51Z)
• "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)
• Automated clustering of COVID-19 anti-vaccine discourse on Twitter [0.0]
  Ojea Quintana et alにTwitterのワクチンに関する議論の観察的研究がある。 この研究は Ojea Quintana et al. (2021) に拡張され、データサイエンスから2つの主要な貢献がなされている。 まず、著者たちの初期のネットワーククラスタリングと定性的分析技術に基づいて、Antivaxxersによる談話で使われる言語パターンを明確に分類し視覚化することができる。 第2に、Antivaxxersのつぶやきの特徴を用いて、あるユーザーが予防接種言語を使っているかどうかを判定するテキスト分類器を開発する。
  論文  参考訳（メタデータ） (2022-03-03T07:38:31Z)
• 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)
• Insight from NLP Analysis: COVID-19 Vaccines Sentiments on Social Media [6.965634726663563]
  パンデミックの最中、英国と米国住民のツイートをTwitter APIから収集しました。 VADERによる感情分析を行い、個人の影響をカウントできる新しい方法を提案した。 その結果、予防接種が進むにつれて、有名人がソーシャルメディアに意見転換を導く可能性が示唆された。
  論文  参考訳（メタデータ） (2021-06-08T03:37:22Z)
• COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies [10.505633521103018]
  新型コロナウイルスワクチンに関する偽の主張は、現在進行中の予防接種キャンペーンに対する公衆の信頼を損なう可能性がある。 われわれは、強力な抗ワクチン姿勢を示すTwitter投稿のデータセットを提示する。
  論文  参考訳（メタデータ） (2021-05-11T15:43:41Z)
• 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)
• Dark Web Marketplaces and COVID-19: before the vaccine [53.447910186085586]
  2020年1月1日から11月16日までの間に、30のダークウェブマーケットプレースから抽出された851,199件の分析を行った。 新型コロナウイルス製品に直接関連した788のリストを同定し、製品カテゴリーの時間的進化をモニタリングする。 新型コロナウイルス(COVID-19)パンデミックの間、オンラインのシャドーエコノミーがどのように発展してきたのかを明らかにし、DWMの継続的なモニタリングの重要性を強調します。
  論文  参考訳（メタデータ） (2020-08-04T14:27:41Z)
• Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
  われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。 予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。 これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
  論文  参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。