論文の概要: How People Respond to the COVID-19 Pandemic on Twitter: A Comparative Analysis of Emotional Expressions from US and India

• arxiv url: http://arxiv.org/abs/2303.10560v1
• Date: Sun, 19 Mar 2023 04:05:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 18:30:34.199288
• Title: How People Respond to the COVID-19 Pandemic on Twitter: A Comparative Analysis of Emotional Expressions from US and India
• Title（参考訳）: Twitter上でのCOVID-19パンデミックに対する人々の反応:米国とインドからの感情表現の比較分析
• Authors: Brandon Siyuan Loh, Raj Kumar Gupta, Ajay Vishwanath, Andrew Ortony, Yinping Yang
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは世界中の何百万人もの命が引き起こされ、感情が高まったと主張している。 本研究は、米国とインドで5億5500万件以上のツイートで示された、COVID-19に関連するさまざまな感情の表現について検討する。
• 参考スコア（独自算出の注目度）: 3.2296078260106174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic has claimed millions of lives worldwide and elicited heightened emotions. This study examines the expression of various emotions pertaining to COVID-19 in the United States and India as manifested in over 54 million tweets, covering the fifteen-month period from February 2020 through April 2021, a period which includes the beginnings of the huge and disastrous increase in COVID-19 cases that started to ravage India in March 2021. Employing pre-trained emotion analysis and topic modeling algorithms, four distinct types of emotions (fear, anger, happiness, and sadness) and their time- and location-associated variations were examined. Results revealed significant country differences and temporal changes in the relative proportions of fear, anger, and happiness, with fear declining and anger and happiness fluctuating in 2020 until new situations over the first four months of 2021 reversed the trends. Detected differences are discussed briefly in terms of the latent topics revealed and through the lens of appraisal theories of emotions, and the implications of the findings are discussed.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは、世界中の数百万人の命と感情の高まりを訴えてきた。 本研究は、2020年2月から2021年4月までの15カ月間をカバーし、2021年3月にインドを荒廃させた新型コロナウイルス(COVID-19)の大規模かつ壊滅的な増加の始まりを含む、米国とインドにおける5500万以上のツイートに表される様々な感情の表現について検討した。 事前学習した感情分析とトピックモデリングアルゴリズムを用いて,4種類の感情(怒り,怒り,幸福,悲しみ)とその時間的・場所的変化を検討した。 その結果、恐怖、怒り、幸福の相対的な割合の国差と時間的変化が明らかとなり、恐怖の減少と怒りと幸福は、2021年前半の4カ月間の新たな状況が逆転するまで、2020年に変動した。 検出された差異は,感情評価理論のレンズを通して明らかにされた潜在トピックの観点で簡単に議論され,その結果の意義について考察する。

関連論文リスト

• Why Do You Feel This Way? Summarizing Triggers of Emotions in Social Media Posts [61.723046082145416]
  CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。 我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。 分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
  論文  参考訳（メタデータ） (2022-10-22T19:10:26Z)
• The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional Reactions, and Stress [71.06453250061489]
  マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。 今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
  論文  参考訳（メタデータ） (2022-06-23T13:34:33Z)
• The relationship between sentiment score and COVID-19 cases in the United States [0.0]
  我々は、新型コロナウイルス関連ツイートから感情スコアと意見を抽出する枠組みを検討する。 ユーザーの感情と米国中の新型コロナウイルス感染者を結びつけるとともに、特定の新型コロナウイルスのマイルストーンが公衆の感情に与える影響を調査します。
  論文  参考訳（メタデータ） (2022-01-09T01:07:13Z)
• 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)
• COVID-19 sentiment analysis via deep learning during the rise of novel cases [0.5156484100374059]
  我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。 我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。 楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
  論文  参考訳（メタデータ） (2021-04-05T04:31:19Z)
• Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
  国像は国際関係と経済発展に大きな影響を与えている。 新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。 本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
  論文  参考訳（メタデータ） (2020-09-12T15:54:51Z)
• Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis and Deep Learning -- a Case Study on COVID-19 [2.983310828879753]
  ソーシャルメディアは、新型コロナウイルス(COVID-19)に対する肯定的な感情と否定的な感情、パンデミック、ロックダウン、ハッシュタグを含む投稿で攻撃を受けた。 この研究は、パンデミックとロックダウン期間の初期段階で示された感情の極性と感情を検出し、分析する傾向がある。
  論文  参考訳（メタデータ） (2020-08-23T12:43:26Z)
• How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian Emotions Through The Lens of Twitter [2.805251632575323]
  WHOは216カ国と領土で600,000人近くが死亡し、1300万人以上が確認されたと報告している。 インドは、米国とブラジルに次いで、パンデミックで3番目に最悪の国となった。 ツイートから人の感情を識別する深層学習システムを提案する。
  論文  参考訳（メタデータ） (2020-08-20T15:39:05Z)
• Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
  我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。 中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。 我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
  論文  参考訳（メタデータ） (2020-05-29T09:24:38Z)
• The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
  新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。 米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。 本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
  論文  参考訳（メタデータ） (2020-04-21T13:02:38Z)

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。