論文の概要: A Large-Scale Dataset of Twitter Chatter about Online Learning during
the Current COVID-19 Omicron Wave
- arxiv url: http://arxiv.org/abs/2208.07810v1
- Date: Wed, 20 Jul 2022 18:01:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-04 07:50:33.737941
- Title: A Large-Scale Dataset of Twitter Chatter about Online Learning during
the Current COVID-19 Omicron Wave
- Title（参考訳）: 現在のcovid-19 omicron波におけるオンライン学習に関するtwitterチャットの大規模データセット
- Authors: Nirmalya Thakur
- Abstract要約: 新型コロナウイルスのOmicron(オミクロン)変異体は、新型コロナウイルスの最も免疫的に回避できる変異体で、世界中で新型コロナウイルスの感染者が急増している。
Twitterなどのソーシャルメディアプラットフォームでは、ツイートという形でオンライン学習に関連する会話が増えている。
この研究は、2021年11月のCOVID-19 Omicron(COVID-19 Omicron)の変種が最初に検出されて以来、世界中のさまざまな地域からオンライン学習に関する会話を、大規模に公開して公開するTwitterデータセットを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 Omicron variant, reported to be the most immune evasive variant
of COVID-19, is resulting in a surge of COVID-19 cases globally. This has
caused schools, colleges, and universities in different parts of the world to
transition to online learning. As a result, social media platforms such as
Twitter are seeing an increase in conversations related to online learning in
the form of tweets. Mining such tweets to develop a dataset can serve as a data
resource for different applications and use-cases related to the analysis of
interest, views, opinions, perspectives, attitudes, and feedback towards online
learning during the current surge of COVID-19 cases caused by the Omicron
variant. Therefore, this work presents a large-scale open-access Twitter
dataset of conversations about online learning from different parts of the
world since the first detected case of the COVID-19 Omicron variant in November
2021. The dataset is compliant with the privacy policy, developer agreement,
and guidelines for content redistribution of Twitter, as well as with the FAIR
principles (Findability, Accessibility, Interoperability, and Reusability)
principles for scientific data management. The paper also briefly outlines some
potential applications in the fields of Big Data, Data Mining, Natural Language
Processing, and their related disciplines, with a specific focus on online
learning during this Omicron wave that may be studied, explored, and
investigated by using this dataset.
- Abstract（参考訳）: このcovid-19 omicron変種は、covid-19の最も免疫を回避できる変種であると言われているが、世界中で新型コロナウイルスの感染が急増している。
これにより、世界中の様々な地域の学校、大学、大学がオンライン学習に移行することになった。
その結果、Twitterなどのソーシャルメディアプラットフォームでは、ツイート形式でオンライン学習に関連する会話が増加している。
このようなツイートをマイニングしてデータセットを開発することは、omicron変種による新型コロナウイルス(covid-19)の流行の中で、関心、見解、意見、展望、態度、オンライン学習に対するフィードバックなどの分析に関連する、さまざまなアプリケーションやユースケースのためのデータリソースとして機能することができる。
そこで本研究では,2021年11月に初めて検出されたcovid-19 omicron変異体以来,世界各国のオンライン学習に関する大規模なオープンアクセス型twitterデータセットを提案する。
このデータセットは、Twitterのコンテンツ再配布に関するプライバシーポリシー、開発者合意、ガイドライン、および科学データ管理のためのFAIR原則(適合性、アクセシビリティ、相互運用性、再利用性)に準拠している。
この論文はまた、ビッグデータ、データマイニング、自然言語処理、およびそれらの関連分野における潜在的な応用について、このOmicron波中のオンライン学習に特に焦点をあて、このデータセットを用いて研究、調査、調査を行うことができる。
関連論文リスト
- UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。
我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。
これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
論文 参考訳（メタデータ） (2024-03-22T10:36:50Z) - LMSYS-Chat-1M: A Large-Scale Real-World LLM Conversation Dataset [75.9621305227523]
LMSYS-Chat-1M(LMSYS-Chat-1M)について紹介する。
このデータセットは、VicunaのデモとArenaのWebサイトで、210KのIPアドレスから収集されています。
GPT-4と同様の動作を行うコンテンツモデレーションモデルの開発、安全性ベンチマークの構築、Vicunaと同様の動作を行う命令追従モデルのトレーニング、挑戦的なベンチマーク問題の作成、という4つのユースケースを通じて、その汎用性を実証する。
論文 参考訳（メタデータ） (2023-09-21T12:13:55Z) - Investigating the impact of COVID-19 on Online Learning-based Web
Behavior [0.0]
この調査は、Googleが世界でもっとも人気のある検索エンジンであるとして、Google検索ベースのウェブ行動データの調査に特化している。
オンライン学習ベースのWeb行動に関連する新型コロナウイルスがGoogleに与える影響は、新型コロナウイルスの感染者の総数で上位20か国で調査された。
論文 参考訳（メタデータ） (2022-04-27T01:38:10Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - Unsupervised Text Mining of COVID-19 Records [0.0]
Twitterは、研究者が新型コロナウイルス(COVID-19)に反応して公衆衛生を測定するのに役立つ強力なツールだ。
本稿は、CORD-19と命名された新型コロナウイルスに関する既存の医療データセットを前処理し、教師付き分類タスクのためのデータセットを注釈付けした。
論文 参考訳（メタデータ） (2021-09-08T05:57:22Z) - Global Tweet Mentions of COVID-19 [3.3043776328952226]
われわれは、2020年1月から現在まで毎週更新されている190万件のキーワード選択されたTwitter投稿のオープンソースデータセットを提示する。
ダッシュボードには、キーワードやハッシュタグを含むジオタグ付きツイートの100%が表示される。
新型コロナウイルスの新たな変種が出現する一方で、ワクチンの根絶と耐性が進行中であるため、このデータセットは研究者によって新型コロナウイルスのさまざまな側面を研究するために使われる可能性がある。
論文 参考訳（メタデータ） (2021-08-13T20:21:29Z) - FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
新型コロナウイルスの感染拡大で医療資源が不足している。
新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。
患者のプライバシー上の懸念から、データそのものはまだ乏しい。
我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
論文 参考訳（メタデータ） (2021-02-10T01:56:58Z) - CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics,
Sentiment and Location Information [0.0]
CML-COVID(CML-COVID)は、新型コロナウイルス(COVID-19)による5,977,653人のツイート19,298,967万件のTwitterデータセットである。
これらのツイートは、2020年3月から7月にかけて、新型コロナウイルスに関連する質問文、コビッド、マスクを使って収集された。
論文 参考訳（メタデータ） (2021-01-28T18:59:10Z) - Drinking from a Firehose: Continual Learning with Web-scale Natural
Language [109.80198763438248]
大規模に連続学習を行う自然環境について検討する。
Twitterの投稿の膨大なデータセットを集めています。
前例のない規模で連続学習アルゴリズムの厳密な評価を行う。
論文 参考訳（メタデータ） (2020-07-18T05:40:02Z) - A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack
Overflow [69.5231754305538]
主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。
事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
論文 参考訳（メタデータ） (2020-04-18T08:19:46Z) - COVID-19 on Social Media: Analyzing Misinformation in Twitter
Conversations [22.43295864610142]
私たちは、2020年3月1日からTwitter APIを使用して、COVID-19に関連するストリーミングデータを収集しました。
事実確認情報をもとに、信頼できない内容と誤解を招く内容を特定した。
偽情報ツイートで宣伝された物語と、これらのツイートとのエンゲージメントの分配について検討した。
論文 参考訳（メタデータ） (2020-03-26T09:48:24Z)
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。