Mapping the Pandemics Echo: Dynamic Narrative Detection and Spatio-Temporal Sentiment Modeling of COVID-19 Discourse on Twitter
यह शोध पत्र 2.4 मिलियन जियोलोकेटेड (भू-स्थानिक) ट्वीट्स का विश्लेषण करने के लिए COVID-Twitter-BERT और BERTopic को संयोजित करने वाले एक नवीन स्थानिक-कालिक (स्पैटियो-टेम्पोरल) ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि महामारी के विभिन्न चरणों में कोविड-19 के नैरेटिव और भावनाएं कैसे विकसित हुईं और अमेरिकी एवं यूरोपीय क्षेत्रों के बीच काफी भिन्न रहीं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
इंटरनेट की कल्पना एक विशाल, वैश्विक शहर के चौक के रूप में करें जो कभी सोता नहीं है। इस चौक में, अरबों लोग हर सेकंड शून्य में अपने विचार, डर और चुटकुले चिल्ला रहे हैं। उन वैज्ञानिकों के लिए जो अध्ययन करते हैं कि लोग बड़ी घटनाओं पर कैसे प्रतिक्रिया देते हैं, यह शोर एक विशाल, शोर-शराबे वाली लाइब्रेरी की तरह है जहाँ किताबें वास्तविक समय (रियल-टाइम) में लिखी जा रही हैं। इस अराजकता को समझने के लिए, शोधकर्ता दो मुख्य उपकरणों का उपयोग करते हैं। पहला, वे "सेंटिमेंट एनालिसिस" (भावना विश्लेषण) का उपयोग करते हैं, जो एक डिजिटल मूड रिंग की तरह है जो एक वाक्य को पढ़ता है और तय करता है कि लेखक खुश है, दुखी है, क्रोधित है, या बस तटस्थ है। दूसरा, वे "टॉपिक मॉडलिंग" का उपयोग करते हैं, जो एक सुपर-स्मार्ट लाइब्रेरियन की तरह काम करता है जो एक साथ हजारों किताबें पढ़ सकता है और उन्हें इस आधार पर वर्गीकृत कर सकता है कि वे वास्तव में किस बारे में बात कर रही हैं, भले ही शब्द अलग हों। आमतौर पर, वैज्ञानिक इन मूड रिंग्स और बुक समूहों को एक स्थिर तस्वीर की तरह देखते हैं, जैसे कि वे समय में जम गए हों। लेकिन जीवन एक तस्वीर नहीं है; यह एक फिल्म है। लोगों की भावनाएं और कहानियाँ जो वे सुनाते हैं, हर दिन बदलती हैं, और वे इस आधार पर अलग-अलग तरह से बदलती हैं कि वे कहाँ रहते हैं। इस चलती-फिरती तस्वीर को समझना महत्वपूर्ण है क्योंकि यदि नेता संकट के दौरान लोगों से बात करना चाहते हैं, तो उन्हें न केवल यह जानने की आवश्यकता है कि लोग किस बात को लेकर चिंतित हैं, बल्कि यह भी कि वह चिंता कब शुरू हुई और वह कौन महसूस कर रहा है।
"मैपिंग द पेंडेमिक्स इको" (महामारी की गूँज का मानचित्रण) नामक यह शोध पत्र उस स्थिर तस्वीर से एक बहुत बड़ी छलांग लगाता है। शोधकर्ताओं ने, मास्करी और उनकी टीम ने, सोशल मीडिया के लिए एक टाइम मशीन बनाने का निर्णय लिया। उन्होंने दुनिया भर के लोगों के 2.4 मिलियन ट्वीट्स का एक विशाल संग्रह इकट्ठा किया, जिसे जनवरी 2020 से जून 2022 तक, 30 महीनों की अवधि में एकत्र किया गया था। ट्वीट्स को केवल डेटा के एक स्थिर ढेर के रूप में देखने के बजाय, उन्होंने यह देखने के लिए एक विशेष, उच्च-तकनीकी टूलकिट का उपयोग किया कि कहानियाँ और मूड महीने-दर-महीने कैसे विकसित हुए। उन्होंने एक सुपर-स्मार्ट भाषाई मस्तिष्क (जिसे COVID-Twitter-BERT कहा जाता है) को एक गतिशील विषय ट्रैकर (जिसे BERTopic कहा जाता है) के साथ जोड़ा, जो महामारी से संबंधित ट्वीट्स के विशिष्ट स्लैंग और संदर्भ को समझता है और नई कहानियों के उभरने तथा पुरानी कहानियों के ओझल होने को पहचान सकता है।
उन्होंने मानवीय भावनाओं के एक आकर्षक, बदलते परिदृश्य की खोज की। अध्ययन बताता है कि महामारी एक लंबी, उबाऊ कहानी नहीं थी, बल्कि विशिष्ट अध्यायों की एक श्रृंखला थी। बिल्कुल शुरुआत में, 2020 की शुरुआत में, प्रमुख नैरेटिव मास्क और चिकित्सा आपूर्ति की कमी के बारे में शुद्ध घबराहट थी। जैसे-जैसे महीने बीतते गए, बातचीत नाटकीय रूप से बदल गई। 2021 तक, ध्यान टीकों (वैक्सीन) की ओर मुड़ गया, जिसकी शुरुआत भारी आशावाद और उम्मीद की लहर के साथ हुई, लेकिन फिर धीरे-धीरे यह इस बात पर एक तीखी, ध्रुवीकृत बहस में बदल गया कि क्या लोगों को टीका लगवाना अनिवार्य था। 2022 तक, मूड फिर से बदल गया और इसे "पेंडेमिक फटीग" (महामारी की थकान) कहा गया, जहाँ लोग इस पूरी स्थिति से बस थक चुके थे।
शोधकर्ताओं ने यह भी खोजा कि भूगोल बहुत मायने रखता है। यह एक ही शहर के दो अलग-अलग मोहल्लों में पूरी तरह से अलग पार्टियों के होने जैसा है। संयुक्त राज्य अमेरिका में, सबसे बड़ी चर्चाएँ अक्सर "स्वतंत्रता बनाम अनिवार्य नियमों" के बारे में थीं, जिसमें नियमों और व्यक्तिगत अधिकारों के बारे में बहुत अधिक गुस्सा और बहस थी। हालाँकि, यूरोप में, चर्चाएँ "सॉलिडैरिटी" (एकजुटता) और एक समुदाय के रूप में मिलकर काम करने पर अधिक केंद्रित थीं। अध्ययन ने इन भावनाओं को मापा और पाया कि उनके सिस्टम ने लगभग 76% बार एक ट्वीट के मूड का सही अनुमान लगाया, और इसने उन 50 अलग-अलग कहानियों या "नैरेटिव्स" की सफलतापूर्वक पहचान की जो लोग सुना रहे थे।
यह शोध पत्र तर्क देता है कि सोशल मीडिया को विचारों की एक स्थिर सूची के रूप में देखना पूरे विषय को समझने में चूक करना है। यदि आप केवल एक स्नैपशॉट देखते हैं, तो आप सोच सकते हैं कि सभी वैक्सीन के बारे में खुश हैं, या आप यह चूक सकते हैं कि एक विशिष्ट क्षेत्र अचानक एक नए नियम को लेकर क्रोधित हो गया है। इन परिवर्तनों को समय और स्थान के साथ मैप करके, लेखक सुझाव देते हैं कि सार्वजनिक स्वास्थ्य अधिकारी बड़ी समस्याओं के रूप में उभरने से पहले नई चिंताओं को पहचानने के लिए इस तरह के "नैरेटिव सर्विलांस" (कथा निगरानी) का उपयोग कर सकते हैं। वे देख सकते हैं कि आशावाद कब डर में बदल जाता है या कब कोई स्थानीय नीति एक विशिष्ट प्रकार के विरोध का कारण बनती है, जिससे वे क्षण के मूड के अनुरूप अपने संदेशों को समायोजित कर सकें। हालांकि यह अध्ययन केवल अंग्रेजी ट्वीट्स तक सीमित है और इसमें केवल ट्विटर का उपयोग करने वाले लोग शामिल हैं (जो शायद सभी का प्रतिनिधित्व नहीं करते हैं), यह दुनिया की धड़कन को सुनने का एक शक्तिशाली नया तरीका प्रदान करता है, जो दिखाता है कि महामारी की कहानी केवल एक कहानी नहीं है, बल्कि हर दिन बदलने वाली अरबों अलग-अलग कहानियाँ हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।