論文の概要: Should we tweet this? Generative response modeling for predicting
reception of public health messaging on Twitter
- arxiv url: http://arxiv.org/abs/2204.04353v2
- Date: Fri, 13 May 2022 11:52:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:13:48.430766
- Title: Should we tweet this? Generative response modeling for predicting
reception of public health messaging on Twitter
- Title（参考訳）: これをツイートしましょうか?
Twitter上での公衆衛生メッセージの受信予測のための生成応答モデル
- Authors: Abraham Sanders, Debjani Ray-Majumder, John S. Erickson, Kristin P.
Bennett
- Abstract要約: 新型コロナウイルスとワクチンに関する2つの公開ヘルスメッセージと、その回答をTwitterから収集する。
本稿では,このようなメッセージの受信の可能性を探るための予測手法を提案する。
具体的には、生成モデル(GPT-2)を用いて、予測可能な将来の反応を直接予測し、重要な健康ガイダンスの受信を最適化する方法を実証する。
- 参考スコア（独自算出の注目度）: 0.8399688944263843
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The way people respond to messaging from public health organizations on
social media can provide insight into public perceptions on critical health
issues, especially during a global crisis such as COVID-19. It could be
valuable for high-impact organizations such as the US Centers for Disease
Control and Prevention (CDC) or the World Health Organization (WHO) to
understand how these perceptions impact reception of messaging on health policy
recommendations. We collect two datasets of public health messages and their
responses from Twitter relating to COVID-19 and Vaccines, and introduce a
predictive method which can be used to explore the potential reception of such
messages. Specifically, we harness a generative model (GPT-2) to directly
predict probable future responses and demonstrate how it can be used to
optimize expected reception of important health guidance. Finally, we introduce
a novel evaluation scheme with extensive statistical testing which allows us to
conclude that our models capture the semantics and sentiment found in actual
public health responses.
- Abstract（参考訳）: ソーシャルメディア上で公衆衛生機関からメッセージに反応する方法は、特にCOVID-19のような世界的な危機において、重要な健康問題に対する公衆の認識に洞察を与えることができる。
米国疾病予防管理センター(cdc)や世界保健機関(who)のようなハイインパクトな組織にとって、これらの認識がメッセージの受信と健康政策の推奨にどのように影響するかを理解するのに有用である。
公衆衛生メッセージの2つのデータセットと、covid-19とワクチンに関するtwitterからの回答を収集し、これらのメッセージの受信可能性を調べるための予測方法を紹介する。
具体的には、生成モデル(GPT-2)を用いて、予測可能な将来の反応を直接予測し、重要な健康ガイダンスの受信を最適化する方法を実証する。
最後に,本モデルが実際の公衆衛生反応における意味と感情を捉えていることを結論付けるために,広範な統計テストを用いた新しい評価手法を提案する。
関連論文リスト
- Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。
実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。
モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文 参考訳（メタデータ） (2024-04-02T06:31:17Z) - Visualizing Relation Between (De)Motivating Topics and Public Stance
toward COVID-19 Vaccine [0.0]
本研究では,新型コロナウイルス感染拡大に伴うTwitter圏内の話題を検査・分析するインタラクティブな可視化ツールを提案する。
このツールは、視覚分析のあらゆるシナリオに対して容易に一般化することができ、研究者や一般大衆のソーシャルメディアデータの透明性を高めることができる。
論文 参考訳（メタデータ） (2023-06-21T09:01:53Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - 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) - CovidTracker: A comprehensive Covid-related social media dataset for NLP
tasks [8.230368367333043]
このリリースは、スコットランド政府の主任科学者局が資金提供した研究結果を支持している。
新型コロナウイルスの感染拡大に伴う公衆衛生対策の対応を理解するため、社会的な感情を調査することを目指す。
論文 参考訳（メタデータ） (2021-03-30T15:44:48Z) - "Thought I'd Share First" and Other Conspiracy Theory Tweets from the
COVID-19 Infodemic: Exploratory Study [0.0]
健康関連の誤報は公衆衛生のメッセージングを脅かす。
ソーシャルメディア上での誤情報の監視は、公衆の健康に悪影響を及ぼす可能性のあるアイデアの進化を理解する上で重要である。
論文 参考訳（メタデータ） (2020-12-14T17:24:59Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳（メタデータ） (2020-10-23T17:06:07Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Discussing Privacy and Surveillance on Twitter: A Case Study of COVID-19 [2.0305676256390934]
テクノロジーは、広範囲にわたる公衆衛生上の懸念の中で貴重な洞察を提供するために、大量の情報を分析するのに役立ちます。
AppleとGoogleは、コンタクトトラッキングツールを最近ローンチした。
Twitterのデータ分析と、前例のない公衆衛生のアウトブレイク時の情報共有ポリシーを通じて、もし存在すれば、ユーザーのプライバシー上の懸念を強調するのに役立つかもしれない。
論文 参考訳（メタデータ） (2020-06-11T20:56:55Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
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。