論文の概要: Exploring Spatial-Temporal Variations of Public Discourse on Social Media: A Case Study on the First Wave of the Coronavirus Pandemic in Italy

• arxiv url: http://arxiv.org/abs/2306.16031v1
• Date: Wed, 28 Jun 2023 08:59:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 14:52:55.316303
• Title: Exploring Spatial-Temporal Variations of Public Discourse on Social Media: A Case Study on the First Wave of the Coronavirus Pandemic in Italy
• Title（参考訳）: ソーシャルメディアにおける公開談話の時空間的変動を探る:イタリアにおけるコロナウイルスパンデミックの第一波を事例として
• Authors: Anslow Michael and Galletti Martina
• Abstract要約: 本稿では,ソーシャルメディア上での言語行動を用いて重要な出来事に対する社会的反応を探索する手法を提案する。 本手法は時系列分析とクラスタリングを用いて,ツイート利用傾向の時空間カテゴリーを定位する。 また,パンデミック時の政策変化と時間的カテゴリーが密接に対応していることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a methodology for exploring how linguistic behaviour on social media can be used to explore societal reactions to important events such as those that transpired during the SARS CoV2 pandemic. In particular, where spatial and temporal aspects of events are important features. Our methodology consists of grounding spatial-temporal categories in tweet usage trends using time-series analysis and clustering. Salient terms in each category were then identified through qualitative comparative analysis based on scaled f-scores aggregated into hand-coded categories. To exemplify this approach, we conducted a case study on the first wave of the coronavirus in Italy. We used our proposed methodology to explore existing psychological observations which claimed that physical distance from events affects what is communicated about them. We confirmed these findings by showing that the epicentre of the disease and peripheral regions correspond to clear time-series clusters and that those living in the epicentre of the SARS CoV2 outbreak were more focused on solidarity and policy than those from more peripheral regions. Furthermore, we also found that temporal categories corresponded closely to policy changes during the handling of the pandemic.
• Abstract（参考訳）: 本稿では,SARS CoV2パンデミックで流行したような重要な出来事に対する社会的反応の探索にソーシャルメディア上での言語行動をどのように活用できるかを探求するための方法論を提案する。 特に、イベントの空間的側面と時間的側面が重要な特徴である。 本手法は時系列分析とクラスタリングを用いて,ツイート利用傾向の時空間カテゴリーを定位する。 各カテゴリの有意な項は、手書きのカテゴリに集約されたスケールされたfスコアに基づいて定性的比較分析によって同定される。 このアプローチを実証するため,イタリアで発生した第1波について事例研究を行った。 提案手法を用いて既存の心理学的観察を探索し,事象から物理的距離がコミュニケーション内容に与える影響を考察した。 本研究は,sars cov2の発生源である病原体と周辺部が明らかな時系列クラスターに対応し,sars cov2の発生源である病原体は周辺地域よりも連帯性と政策に重点が置かれていることを示し,これらの知見を確認した。 さらに,パンデミック時の政策変化と時間的カテゴリーが密接に対応していることが判明した。

関連論文リスト

• Impact of Indoor Mobility Behavior on the Respiratory Infectious Diseases Transmission Trends [26.806334364100074]
  呼吸器感染症の伝染動態における室内人体移動の重要性が認識されている。 本研究は, 一般シナリオにおける人々の移動行動について考察し, 群集行動, 空間的側面, 停止行動, 時間的側面の2つのカテゴリにまとめる。 本研究では,これらの移動行動が伝染病伝播に与える影響について検討した。
  論文  参考訳（メタデータ） (2023-11-29T02:16:06Z)
• Causal Discovery from Temporal Data: An Overview and New Perspectives [6.251443497694126]
  時間データの分析は、様々なアプリケーションに非常に有用である。 因果的発見 時間的データから因果関係を 学ぶことは 興味深いが 重要な課題だ 本稿では,2つのカテゴリ間の相関関係を定義し,既存のソリューションの体系的概要を提供する。
  論文  参考訳（メタデータ） (2023-03-17T16:45:01Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• The impact of spatio-temporal travel distance on epidemics using an interpretable attention-based sequence-to-sequence model [2.203043417301343]
  距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。 異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
  論文  参考訳（メタデータ） (2022-05-26T08:24:35Z)
• #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on Spatial-temporal Dynamic Graphs [23.67939019353524]
  新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。 既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。 我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-08T15:46:05Z)
• Modeling the geospatial evolution of COVID-19 using spatio-temporal convolutional sequence-to-sequence neural networks [48.7576911714538]
  ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。 その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
  論文  参考訳（メタデータ） (2021-05-06T15:24:00Z)
• Sentiment and Emotion Classification of Epidemic Related Bilingual data from Social Media [1.7109522466982476]
  この研究は、パキスタンのデング流行に関連するtwitterやニュースサイトからのバイリンガル(ウルドゥー語と英語)データを活用している。 本研究は,パキスタンにおけるデング流行に関連するTwitterおよびNEWSウェブサイトのバイリンガル(ウルドゥー語と英語)データを利用した。
  論文  参考訳（メタデータ） (2021-05-04T12:51:18Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• DIRV: Dense Interaction Region Voting for End-to-End Human-Object Interaction Detection [53.40028068801092]
  本稿では,HOI問題に対するインタラクション領域という新しい概念に基づいて,新しい一段階HOI検出手法を提案する。 従来の手法とは異なり,本手法は人-物対ごとに異なるスケールにわたる密集した相互作用領域に焦点をあてる。 単一相互作用領域の検出欠陥を補うために,我々は新しい投票戦略を導入する。
  論文  参考訳（メタデータ） (2020-10-02T13:57:58Z)
• 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)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)

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。