論文の概要: Quantifying Public Response to COVID-19 Events: Introducing the Community Sentiment and Engagement Index
- arxiv url: http://arxiv.org/abs/2412.16925v1
- Date: Sun, 22 Dec 2024 08:52:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 16:02:03.047356
- Title: Quantifying Public Response to COVID-19 Events: Introducing the Community Sentiment and Engagement Index
- Title(参考訳): COVID-19イベントに対する公衆の反応の定量化 - コミュニティセンシティメントとエンゲージメント指標の導入
- Authors: Nirmalya Thakur, Kesha A. Patel, Audrey Poon, Shuqi Cui, Nazif Azizi, Rishika Shah, Riyan Shah,
- Abstract要約: CSEI(Community Sentiment and Engagement Index)は、ソーシャルメディア上での世間の感情やエンゲージメントの変化を捉えるために開発された。
CSEIの応答性は、COVID-19に関する4,510,178件のデータセットを使用して検証された。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This study introduces the Community Sentiment and Engagement Index (CSEI), developed to capture nuanced public sentiment and engagement variations on social media, particularly in response to major events related to COVID-19. Constructed with diverse sentiment indicators, CSEI integrates features like engagement, daily post count, compound sentiment, fine-grain sentiments (fear, surprise, joy, sadness, anger, disgust, and neutral), readability, offensiveness, and domain diversity. Each component is systematically weighted through a multi-step Principal Component Analysis (PCA)-based framework, prioritizing features according to their variance contributions across temporal sentiment shifts. This approach dynamically adjusts component importance, enabling CSEI to precisely capture high-sensitivity shifts in public sentiment. The development of CSEI showed statistically significant correlations with its constituent features, underscoring internal consistency and sensitivity to specific sentiment dimensions. CSEI's responsiveness was validated using a dataset of 4,510,178 Reddit posts about COVID-19. The analysis focused on 15 major events, including the WHO's declaration of COVID-19 as a pandemic, the first reported cases of COVID-19 across different countries, national lockdowns, vaccine developments, and crucial public health measures. Cumulative changes in CSEI revealed prominent peaks and valleys aligned with these events, indicating significant patterns in public sentiment across different phases of the pandemic. Pearson correlation analysis further confirmed a statistically significant relationship between CSEI daily fluctuations and these events (p = 0.0428), highlighting the capacity of CSEI to infer and interpret shifts in public sentiment and engagement in response to major events related to COVID-19.
- Abstract(参考訳): 本研究は、特にCOVID-19に関連する主要な出来事に対応するために、ソーシャルメディア上での無秩序な世論とエンゲージメントの変化を捉えるために開発されたCSEI(Community Sentiment and Engagement Index)を紹介する。
多様な感情指標で構成されたCSEIは、エンゲージメント、日々の投稿数、複合的な感情、微粒な感情(恐怖、驚き、喜び、悲しみ、怒り、嫌悪感、中立)、読みやすさ、不快感、ドメインの多様性といった機能を統合する。
各コンポーネントは、多段階の主成分分析(PCA)ベースのフレームワークを通じて体系的に重み付けされ、時間的感情の変化にまたがる分散貢献に応じて特徴を優先順位付けする。
このアプローチはコンポーネントの重要性を動的に調整し、CSEIが公共の感情の高感度な変化を正確に捉えることを可能にする。
CSEIの発達は、その構成的特徴と統計的に有意な相関を示し、内部の一貫性と特定の感情次元に対する感受性が強調された。
CSEIの応答性は、新型コロナウイルスに関する4,510,178のReddit投稿のデータセットを使用して検証された。
この分析は、新型コロナウイルスのパンデミック宣言や、各国で最初に報告された新型コロナウイルスの感染者数、国家ロックダウン、ワクチン開発、重要な公衆衛生対策など15大イベントに焦点を当てた。
CSEIの累積的な変化は、これらの出来事と一致した顕著なピークと谷を明らかにし、パンデミックの異なる段階における公衆の感情の顕著なパターンを示した。
ピアソン相関分析により、CSEIの日々の変動とこれらの出来事(p = 0.0428)の間に統計的に有意な関係が確認された。
関連論文リスト
- The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。
Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。
クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
論文 参考訳(メタデータ) (2024-06-11T22:26:20Z) - The 6th Affective Behavior Analysis in-the-wild (ABAW) Competition [53.718777420180395]
本稿では,第6回ABAWコンペティションについて述べる。
第6回ABAWコンペティションは、人間の感情や行動を理解する上での現代の課題に対処する。
論文 参考訳(メタデータ) (2024-02-29T16:49:38Z) - A Neural Framework for Generalized Causal Sensitivity Analysis [78.71545648682705]
本稿では,因果感受性分析のためのニューラルネットワークフレームワークであるNeuralCSAを提案する。
我々は、NeuralCSAが関心の因果クエリに有効な境界を推測できることを理論的に保証する。
論文 参考訳(メタデータ) (2023-11-27T17:40:02Z) - How are Prompts Different in Terms of Sensitivity? [50.67313477651395]
本稿では,関数の感度に基づく包括的即時解析を提案する。
出力に対する入力トークンの関連性に異なるプロンプトがどう影響するかを実証的に示すために、勾配に基づく唾液度スコアを使用する。
本稿では, 感度推定をペナルティ項として組み込んだ感度認識復号法を標準グリーディ復号法で導入する。
論文 参考訳(メタデータ) (2023-11-13T10:52:01Z) - Assessing the Causal Impact of COVID-19 Related Policies on Outbreak
Dynamics: A Case Study in the US [19.901831180866132]
新型コロナウイルスの感染拡大抑制における非医薬品政策の因果的影響の分析は、今後の政策決定にとって重要である。
ここでの課題は、保存されていない共同設立者の存在(例えば、住民の警戒)である。
本稿では,異なる郡における新型コロナウイルス関連政策の流行動態に対する因果的影響を評価することの問題点について検討する。
論文 参考訳(メタデータ) (2021-05-29T00:40:24Z) - Statistical Analytics and Regional Representation Learning for COVID-19
Pandemic Understanding [4.731074162093199]
新型コロナウイルスの感染拡大が世界のほぼすべての国に深刻な影響を与えている。
本稿では、統一された情報ソースを提供するために、公開データセットの広範なコレクションを統合し、処理する。
本研究では,予測イベントモデリングのために,DoubleWindowLSTM-CPと呼ばれる特定のRNNベースの推論パイプラインを提案する。
論文 参考訳(メタデータ) (2020-08-08T03:35:16Z) - Public risk perception and emotion on Twitter during the Covid-19
pandemic [0.0]
このテキストの自然言語解析により、公共リスク知覚の指標をほぼリアルタイムで監視することができる。
我々は、パンデミックの進行の疫学的指標と、2000万のユニークなCovid-19関連ツイートから構築されたパンデミックに対する大衆の認識の指標を比較した。
Twitterユーザーはますます死亡率を固定するが、感情的にも分析的にも減少している。
論文 参考訳(メタデータ) (2020-08-03T13:09:45Z) - 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) - Causal Modeling of Twitter Activity During COVID-19 [0.0]
本研究では,パンデミックの特徴とTwitter活動の因果関係を発見し,定量化する因果推論手法を提案する。
以上の結果から,提案手法は疫学領域の知識を捉えるのに有効であることが示唆された。
本研究は,公衆の注意を喚起する出来事と公衆の注意を喚起する出来事を区別することにより,情報疫学の分野に寄与すると考えている。
論文 参考訳(メタデータ) (2020-05-16T11:07:19Z)
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。