Mapping the Pandemics Echo: Dynamic Narrative Detection and Spatio-Temporal Sentiment Modeling of COVID-19 Discourse on Twitter
Este artículo presenta un novedoso marco espacio-temporal que combina COVID-Twitter-BERT y BERTopic para analizar 2,4 millones de tweets geolocalizados, revelando cómo las narrativas y los sentimientos del COVID-19 evolucionaron a través de distintas fases de la pandemia y variaron significativamente entre las regiones de EE. UU. y Europa.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Imagina el internet como una gigantesca plaza pública global que nunca duerme. En esta plaza, miles de millones de personas gritan sus pensamientos, miedos y bromas al vacío cada segundo. Para los científicos que estudian cómo reacciona la gente ante los grandes acontecimientos, este parloteo es como una biblioteca masiva y ruidosa donde los libros se escriben en tiempo real. Para dar sentido a este caos, los investigadores utilizan dos herramientas principales. Primero, utilizan el "análisis de sentimiento", que es como un anillo de humor digital que lee una frase y decide si el autor está feliz, triste, enojado o simplemente neutral. Segundo, utilizan el "modelado de temas", que actúa como un bibliotecario superinteligente capaz de leer miles de libros a la vez y agruparlos por aquello de lo que realmente están hablando, incluso si las palabras son diferentes. Por lo general, los científicos observan estos anillos de humor y grupos de libros como si estuvieran congelados en el tiempo, como una fotografía. Pero la vida no es una fotografía; es una película. Los sentimientos de las personas y las historias que cuentan cambian cada día, y cambian de manera distinta dependiendo de dónde vivan. Comprender esta imagen en movimiento es crucial porque, si los líderes quieren hablar con la gente durante una crisis, necesitan saber no solo qué le preocupa a la gente, sino cuándo comenzó esa preocupación y quién la está sintiendo.
Este artículo, titulado "Mapping the Pandemic's Echo" (Mapeando el eco de la pandemia), da un salto gigante más allá de esa fotografía estática. Los investigadores, Maaskri y su equipo, decidieron construir una máquina del tiempo para las redes sociales. Recopilaron una colección masiva de 2.4 millones de tweets de personas de todo el mundo, recolectados durante 30 meses, desde enero de 2020 hasta junio de 2022. En lugar de mirar los tweets simplemente como una pila estática de datos, utilizaron un kit de herramientas especial y de alta tecnología para observar cómo evolucionaron las historias y los estados de ánimo mes a mes. Combinaron un cerebro lingüístico superinteligente (llamado COVID-Twitter-BERT) que entiende la jerga específica y el contexto de los tweets de la pandemia con un rastreador de temas dinámico (llamado BERTopic) que puede detectar nuevas historias a medida que surgen y las antiguas a medida que se desvanecen.
Lo que encontraron es un paisaje fascinante y cambiante de la emoción humana. El estudio sugiere que la pandemia no fue una historia larga y aburrida, sino una serie de capítulos distintos. Al principio, a principios de 2020, la narrativa dominante era el puro pánico por la escasez de mascarillas y suministros médicos. A medida que pasaron los meses, la conversación cambió drásticamente. Para 2021, el enfoque se desplazó hacia las vacunas, comenzando con una ola de gran optimismo y esperanza, pero luego convirtiéndose lentamente en una discusión acalorada y polarizada sobre si la gente tenía que vacunarse. Para 2022, el estado de ánimo había cambiado de nuevo hacia algo llamado "fatiga pandémica", donde la gente simplemente estaba cansada de toda la situación.
Los investigadores también descubrieron que la geografía importa mucho. Es como si dos vecindarios diferentes en la misma ciudad tuvieran fiestas completamente distintas. En los Estados Unidos, las conversaciones más importantes trataban a menudo sobre la "libertad frente a los mandatos", con mucha ira y debate sobre las reglas y los derechos personales. En Europa, sin embargo, las discusiones estaban más centradas en la "solidaridad" y en trabajar juntos como comunidad. El estudio midió estos sentimientos y encontró que su sistema podía adivinar correctamente el estado de ánimo de un tweet aproximadamente el 76% de las veces, e identificó con éxito 50 historias o "narrativas" distintas que la gente estaba contando.
El artículo sostiene que mirar las redes sociales como una lista estática de opiniones es perder el punto principal. Si solo miras una instantánea, podrías pensar que todo el mundo está feliz con las vacunas, o podrías no notar que una región específica está repentinamente enojada por una nueva regla. Al mapear estos cambios a través del tiempo y el espacio, los autores sugieren que los funcionarios de salud pública podrían utilizar este tipo de "vigilancia narrativa" para detectar nuevas preocupaciones antes de que se conviertan en grandes problemas. Podrían ver exactamente cuándo el optimismo se convierte en miedo o cuándo una política local está causando un tipo específico de reacción negativa, lo que les permitiría ajustar sus mensajes para adaptarse al estado de ánimo del momento. Aunque el estudio se limita a tweets en inglés e incluye solo a personas que usan Twitter (quienes podrían no representar a todo el mundo), ofrece una nueva y poderosa forma de escuchar el pulso del mundo, demostrando que la historia de una pandemia nunca es solo una historia, sino mil millones de historias diferentes que cambian cada día.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.