Mapping the Pandemics Echo: Dynamic Narrative Detection and Spatio-Temporal Sentiment Modeling of COVID-19 Discourse on Twitter
Diese Arbeit stellt ein neuartiges räumlich-zeitliches Framework vor, das COVID-Twitter-BERT und BERTopic kombiniert, um 2,4 Millionen geolokalisierte Tweets zu analysieren, wodurch aufzeigt wird, wie sich COVID-19-Narrative und -Sentiment über verschiedene Pandemiephasen hinweg entwickelten und zwischen US-amerikanischen und europäischen Regionen signifikant variierten.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Internet als einen riesigen, globalen Stadtplatz vor, der niemals schläft. Auf diesem Platz rufen Milliarden von Menschen jede Sekunde ihre Gedanken, Ängste und Witze in die Leere. Für Wissenschaftler, die untersuchen, wie Menschen auf große Ereignisse reagieren, ist dieses Geplapper wie eine riesige, lärmende Bibliothek, in der die Bücher in Echtzeit geschrieben werden. Um dieses Chaos zu verstehen, nutzen Forscher zwei Hauptwerkzeuge. Zuerst verwenden sie die „Sentiment-Analyse“, die wie ein digitaler Stimmungsring funktioniert, der einen Satz liest und entscheidet, ob der Schreiber glücklich, traurig, wütend oder einfach nur neutral ist. Zweitens nutzen sie das „Topic Modeling“, das wie ein superintelligenter Bibliothekar fungiert, der tausende Bücher gleichzeitig lesen und sie nach dem gruppieren kann, worüber sie tatsächlich sprechen, selbst wenn die Wörter unterschiedlich sind. Normalerweise betrachten Wissenschaftler diese Stimmungsringe und Buchgruppen so, als wären sie in der Zeit eingefroren, wie eine Fotografie. Aber das Leben ist kein Foto; es ist ein Film. Die Gefühle der Menschen und die Geschichten, die sie erzählen, ändern sich jeden Tag, und sie ändern sich unterschiedlich, je nachdem, wo sie leben. Das Verständnis dieses bewegten Bildes ist entscheidend, denn wenn Führungspersönlichkeiten während einer Krise mit Menschen kommunizieren wollen, müssen sie nicht nur wissen, worüber die Menschen besorgt sind, sondern auch, wann diese Sorge begann und wer sie fühlt.
Diese Arbeit mit dem Titel „Mapping the Pandemic's Echo“ macht einen riesigen Schritt über diese eingefrorene Fotografie hinaus. Die Forscher, Maaskri und sein Team, beschlossen, eine Zeitmaschine für soziale Medien zu bauen. Sie sammelten eine massive Sammlung von 2,4 Millionen Tweets von Menschen aus der ganzen Welt, die über 30 Monate hinweg erhoben wurden, von Januar 2020 bis Juni 2022. Anstatt die Tweets nur als statischen Haufen von Daten zu betrachten, verwendeten sie ein spezielles, hochtechnologisches Toolkit, um zu beobachten, wie sich die Geschichten und Stimmungen Monat für Monat entwickelten. Sie kombinierten ein superintelligentes Sprachgehirn (genannt COVID-Twitter-BERT), das den spezifischen Slang und Kontext von Pandemie-Tweets versteht, mit einem dynamischen Themen-Tracker (genannt BERTopic), der neue Geschichten erkennen kann, wenn sie auftauchen, und alte, wenn sie verblassen.
Was sie fanden, ist eine faszinierende, sich ständig verändernde Landschaft menschlicher Emotionen. Die Studie legt nahe, dass die Pandemie keine einzige lange, langweilige Geschichte war, sondern eine Serie von deutlichen Kapiteln. Ganz am Anfang, im frühen Jahr 2020, war das dominante Narrativ reine Panik über den Mangel an Masken und medizinischem Material. Im Laufe der Monate verschob sich die Konversation dramatisch. Bis 2021 verlagerte sich der Fokus auf Impfstoffe, beginnend mit einer Welle von großer Optimismus und Hoffnung, die sich dann langsam in eine hitzige, polarisierte Debatte darüber verwandelte, ob Menschen sie nehmen mussten. Bis 2022 hatte sich die Stimmung erneut gewandelt, hin zu etwas, das als „Pandemie-Müdigkeit“ bezeichnet wird, bei der die Menschen einfach der ganzen Situation überdrüssig waren.
Die Forscher entdeckten auch, dass Geografie eine große Rolle spielt. Es ist, als ob zwei verschiedene Nachbarschaften in derselben Stadt völlig unterschiedliche Partys feiern würden. In den Vereinigten Staaten waren die größten Gespräche oft Themen wie „Freiheit versus Mandate“, mit viel Wut und Debatten über Regeln und persönliche Rechte. In Europa hingegen konzentrierten sich die Diskussionen eher auf „Solidarität“ und das Zusammenarbeiten als Gemeinschaft. Die Studie maß diese Gefühle und fand heraus, dass ihr System die Stimmung eines Tweets in etwa 76 % der Fälle korrekt erraten konnte, und es identifizierte erfolgreich 50 verschiedene, distinkte Geschichten oder „Narrative“, die die Menschen erzählten.
Die Arbeit argumentiert, dass die Betrachtung sozialer Medien als eine statische Liste von Meinungen den eigentlichen Punkt verfehlt. Wenn man nur einen Schnappschuss betrachtet, könnte man denken, alle seien glücklich über Impfstoffe, oder man könnte übersehen, dass eine bestimmte Region plötzlich wütend über eine neue Regel ist. Indem sie diese Veränderungen über Zeit und Raum kartieren, schlagen die Autoren vor, dass Beamte des öffentlichen Gesundheitswesens eine solche Art der „Narrativ-Überwachung“ nutzen könnten, um neue Sorgen zu erkennen, bevor sie zu großen Problemen werden. Sie könnten genau sehen, wann Optimismus in Angst umschlägt oder wann eine lokale Richtlinie eine spezifische Art von Gegenreaktion verursacht, sodass sie ihre Botschaften an die Stimmung des Augenblicks anpassen können. Während die Studie auf englischsprachige Tweets beschränkt ist und nur Menschen umfasst, die Twitter nutzen (die möglicherweise nicht jeden repräsentieren), bietet sie eine kraftvolle neue Möglichkeit, den Puls der Welt zu hören, und zeigt, dass die Geschichte einer Pandemie niemals nur eine einzige Geschichte ist, sondern eine Milliarde verschiedene Geschichten, die sich jeden Tag ändern.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.