論文の概要: Has Sentiment Returned to the Pre-pandemic Level? A Sentiment Analysis
Using U.S. College Subreddit Data from 2019 to 2022
- arxiv url: http://arxiv.org/abs/2309.08845v1
- Date: Sat, 16 Sep 2023 02:57:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 19:04:48.896390
- Title: Has Sentiment Returned to the Pre-pandemic Level? A Sentiment Analysis
Using U.S. College Subreddit Data from 2019 to 2022
- Title（参考訳）: センチメントはパンデミック前のレベルに戻ったか?
2019年から2022年までの米国大学サブredditデータを用いた感情分析
- Authors: Tian Yan and Fang Liu
- Abstract要約: 本研究の目的は、人々の感情がパンデミック前から緊急後へとどのように変化したかを探ることである。
2019年(パンデミック前)、2020年(パンデミック前)、2021年、2022年(パンデミック後期、緊急後の移行期)のRedditデータを、米国の大学128校のサブレディットから収集しました。
本研究は,パンデミック・緊急期における感情構成の部分的回復を示唆するものである。
- 参考スコア（独自算出の注目度）: 3.5966786737142304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As impact of COVID-19 pandemic winds down, both individuals and society
gradually return to pre-pandemic activities. This study aims to explore how
people's emotions have changed from the pre-pandemic during the pandemic to
post-emergency period and whether it has returned to pre-pandemic level. We
collected Reddit data in 2019 (pre-pandemic), 2020 (peak pandemic), 2021, and
2022 (late stages of pandemic, transitioning period to post-emergency period)
from subreddits in 128 universities/colleges in the U.S., and a set of
school-level characteristics. We predicted two sets of sentiments from a
pre-trained Robustly Optimized BERT pre-training approach (RoBERTa) and graph
attention network (GAT) that leverages both rich semantic and relational
information among posted messages and then applied a logistic stacking method
to obtain the final sentiment classification. After obtaining sentiment label
for each message, we used a generalized linear mixed-effects model to estimate
temporal trend in sentiment from 2019 to 2022 and how school-level factors may
affect sentiment. Compared to the year 2019, the odds of negative sentiment in
years 2020, 2021, and 2022 are 24%, 4.3%, and 10.3% higher, respectively, which
are all statistically significant(adjusted $p$<0.05). Our study findings
suggest a partial recovery in the sentiment composition in the
post-pandemic-emergency era. The results align with common expectations and
provide a detailed quantification of how sentiments have evolved from 2019 to
2022.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックの影響が弱まる中、個人と社会は徐々にパンデミック前の活動に戻る。
本研究の目的は,パンデミック前の人々の感情が,パンデミック前から緊急後へと変化し,パンデミック前へと戻るかどうかを検討することである。
2019年(パンデミック前)、2020年(ピークパンデミック)、2021年、および2022年(パンデミック後期、緊急後移行期)のredditデータを、米国の128の大学/大学のサブredditから収集した。
我々は,事前学習したRoBERTa(Roustly Optimized BERT pre-training approach)とGAT(Graph attention network)の2つの感情セットを予測した。
各メッセージに対する感情ラベルを得た後、2019年から2022年までの感情の時間的傾向と学校レベルの要因が感情に与える影響を推定するために、一般化線形混合効果モデルを使用した。
2019年と比較して、2020年、2021年、2022年におけるネガティブ感情の確率は24%、4.3%、そして10.3%であり、いずれも統計的に有意である(調整された$p$<0.05)。
本研究は,パンデミック・緊急期における感情構成の部分的回復を示唆するものである。
結果は共通の期待と一致し、センチメントが2019年から2022年にかけてどのように進化したかの詳細な定量化を提供する。
関連論文リスト
- Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
シーン固有の適応軌道予測の問題を定式化する。
本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。
0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
論文 参考訳（メタデータ） (2023-12-11T18:59:12Z) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - Sentiment Analysis and Effect of COVID-19 Pandemic using College
SubReddit Data [3.5966786737142304]
パンデミック前と比較して、パンデミックが人々の感情や心理的状態にどのように影響したかを検討する。
Redditのソーシャルメディアデータは、2019年(パンデミック前)と2020年(パンデミック前)の8つの大学に関連するサブレディットコミュニティから収集しました。
収集したデータに基づいて,モデル予測された感情ラベルを用いて,パンデミックと対人教育が感情に与える影響を推定するために,一般化された線形混合効果モデルを用いた。
論文 参考訳（メタデータ） (2021-11-30T19:15:06Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳（メタデータ） (2021-09-14T18:50:38Z) - Resilient ICT4D: Building and Sustaining our Community in Pandemic Times [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、脆弱(ぜいじゃく)な人々に不平等を増している。
危機のグローバルな性質に反応してグローバルな開発パラダイムが出現し、ICTで「より良い世界を作る」という精神に新たな意味を抱くようになった。
このような新しい意味は、データフィード社会の最初のパンデミックの風景における私たちの研究を文脈化します。
論文 参考訳（メタデータ） (2021-08-22T13:10:10Z) - Changes in European Solidarity Before and During COVID-19: Evidence from
a Large Crowd- and Expert-Annotated Twitter Dataset [77.27709662210363]
我々は,NLPにおける教師付き機械学習の新たな課題として,社会的連帯という社会科学的概念とその競争,反連帯の概念を導入する。
我々は,複数のアノテータと2つのアノテーションアプローチ(専門家対群衆)を利用して,(反)整合性表現のための2.3kの英語とドイツ語のつぶやきを注釈する。
今回の結果は、新型コロナウイルス危機で連帯がますます健全になり、競争が激化したことを示している。
論文 参考訳（メタデータ） (2021-08-02T17:03:12Z) - Worry, coping and resignation -- A repeated-measures study on emotional
responses after a year in the pandemic [0.5414308305392761]
本稿では,パンデミックに対する情緒的反応を反復的に検討する。
参加者に対して,感情を報告し,テキストデータで表現するように求めた。
統計検査の結果、パンデミックの適応性向上に向けた平均的な傾向が明らかになった。
言語学的解析により、トピックとn-gramの周波数が予防接種プログラムに注意を向けることが判明した。
論文 参考訳（メタデータ） (2021-07-07T20:20:10Z) - Social Media Unrest Prediction during the {COVID}-19 Pandemic: Neural
Implicit Motive Pattern Recognition as Psychometric Signs of Severe Crises [26.447165399064552]
心理的に検証された社会的不安予測器を提示し,スケーラブルで自動的な予測を再現する。
私たちはこのモデルを使って、新型コロナウイルスのパンデミックによる社会不安に対する言語の変化を調査します。
論文 参考訳（メタデータ） (2020-12-08T17:40:35Z) - 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) - 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) - 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)
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。