論文の概要: Understanding COVID-19 Vaccine Reaction through Comparative Analysis on Twitter

• arxiv url: http://arxiv.org/abs/2111.05823v1
• Date: Wed, 10 Nov 2021 17:39:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-11 15:00:22.216485
• Title: Understanding COVID-19 Vaccine Reaction through Comparative Analysis on Twitter
• Title（参考訳）: twitter上での比較分析によるcovid-19ワクチン反応の理解
• Authors: Yuesheng Luo and Mayank Kejriwal
• Abstract要約: 新型コロナウイルス(COVID-19)ワクチンは数ヶ月前から販売されているが、米国内でも高い水準にある。 本稿では,2つの異なる期間に収集した2つのTwitterデータセットを比較検討することにより,この問題を新しい視点で考察する。 我々は、ワクチンの根絶にいくつかのきめ細かな理由を解明し、そのいくつかは、時間とともにより重要になってきています。
• 参考スコア（独自算出の注目度）: 10.45742327204133
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although multiple COVID-19 vaccines have been available for several months now, vaccine hesitancy continues to be at high levels in the United States. In part, the issue has also become politicized, especially since the presidential election in November. Understanding vaccine hesitancy during this period in the context of social media, including Twitter, can provide valuable guidance both to computational social scientists and policy makers. Rather than studying a single Twitter corpus, this paper takes a novel view of the problem by comparatively studying two Twitter datasets collected between two different time periods (one before the election, and the other, a few months after) using the same, carefully controlled data collection and filtering methodology. Our results show that there was a significant shift in discussion from politics to COVID-19 vaccines from fall of 2020 to spring of 2021. By using clustering and machine learning-based methods in conjunction with sampling and qualitative analysis, we uncover several fine-grained reasons for vaccine hesitancy, some of which have become more (or less) important over time. Our results also underscore the intense polarization and politicization of this issue over the last year.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)ワクチンは数ヵ月間利用可能だが、米国ではワクチンの難易度は高いままである。 問題の一部は、特に11月の大統領選挙以降、政治にも反映されている。 この期間に、twitterを含むソーシャルメディアの文脈でワクチンの迷信を理解することは、計算社会科学者と政策立案者の両方に貴重なガイダンスを提供することができる。 1つのTwitterコーパスを研究するのではなく、同じ、注意深く制御されたデータ収集とフィルタリング手法を用いて、2つの異なる期間(選挙前と数ヶ月後)に収集された2つのTwitterデータセットを比較検討することで、この問題の新たな見方を得る。 結果から,2020年秋から2021年春にかけて,政治から新型コロナウイルスワクチンへの議論に大きな変化が見られた。 クラスタリングと機械学習に基づく手法をサンプリングと定性分析と組み合わせることで、ワクチンの根本原因を詳細に解明し、そのいくつかは時間とともに重要(あるいは少ない)になってきた。 われわれはまた、この問題の激しい分極と政治を、昨年より強調している。

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)
• 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)
• Deep Learning Reveals Patterns of Diverse and Changing Sentiments Towards COVID-19 Vaccines Based on 11 Million Tweets [3.319350419970857]
  11,211,672人の新型コロナウイルス関連ツイートを2年間で2,203,681人を対象に分析した。 我々は、各ツイートの感情を自動的に検出するために、最先端モデルであるXLNetを用いてディープラーニング分類器を微調整した。 さまざまな人口集団のユーザーは、新型コロナウイルスワクチンに対する感情の異なるパターンを示した。
  論文  参考訳（メタデータ） (2022-07-05T13:53:16Z)
• CoVaxNet: An Online-Offline Data Repository for COVID-19 Vaccine Hesitancy Research [39.82073461647643]
  人口のかなりの割合は、いまだに新型コロナウイルス(COVID-19)に対するワクチン接種を控えている。 既存のデータセットはこれらすべての側面をカバーできないため、ワクチンのヘシタシーの問題についての推論において、完全な図を作成することは困難である。 本稿では,マルチソース,マルチモーダル,マルチ機能オンラインオフラインデータリポジトリCoVaxNetを構築する。
  論文  参考訳（メタデータ） (2022-06-30T05:58:35Z)
• "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)
• Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
  われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。 その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。 否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
  論文  参考訳（メタデータ） (2021-10-08T23:30:17Z)
• COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on Twitter [9.834635805575582]
  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。
  論文  参考訳（メタデータ） (2021-07-29T17:31:11Z)
• Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings [0.8808021343665321]
  新型コロナウイルスワクチン接種に関するTwitter投稿のコーパスを抽出しました。 語彙カテゴリーの2つのクラス — 感情と影響要因 — を作成しました。 ワクチンに対するためらいのようなネガティブな感情は、健康関連の効果や誤った情報と高い相関がある。
  論文  参考訳（メタデータ） (2021-04-02T16:13:16Z)
• 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)
• 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)
• 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。