Mapping the Pandemics Echo: Dynamic Narrative Detection and Spatio-Temporal Sentiment Modeling of COVID-19 Discourse on Twitter
Questo articolo introduce un nuovo framework spazio-temporale che combina COVID-Twitter-BERT e BERTopic per analizzare 2,4 milioni di tweet geolocalizzati, rivelando come le narrazioni e i sentimenti relativi al COVID-19 si siano evoluti attraverso distinte fasi della pandemia e siano variati significativamente tra le regioni degli Stati Uniti e dell'Europa.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immaginate internet come una gigantesca piazza cittadina globale che non dorme mai. In questa piazza, miliardi di persone urlano i propri pensieri, paure e battute nel vuoto ogni secondo. Per gli scienziati che studiano come le persone reagiscono ai grandi eventi, questo chiacchiericcio è come una biblioteca massiccia e rumorosa dove i libri vengono scritti in tempo reale. Per dare un senso a questo caos, i ricercatori utilizzano due strumenti principali. Primo, utilizzano la "sentiment analysis", che è come un anello digitale che cambia colore in base all'umore, il quale legge una frase e decide se chi scrive è felice, triste, arrabbiato o semplicemente neutrale. Secondo, utilizzano il "topic modeling", che agisce come un bibliotecario super intelligente capace di leggere migliaia di libri contemporaneamente e raggrupparli in base a ciò di cui stanno effettivamente parlando, anche se le parole sono diverse. Di solito, gli scienziati osservano questi anelli dell'umore e questi gruppi di libri come se fossero congelati nel tempo, come una fotografia. Ma la vita non è una fotografia; è un film. I sentimenti delle persone e le storie che raccontano cambiano ogni giorno, e cambiano in modo diverso a seconda di dove vivono. Comprendere questo film in movimento è fondamentale perché, se i leader vogliono parlare alle persone durante una crisi, devono sapere non solo cosa preoccupa le persone, ma anche quando quella preoccupazione è iniziata e chi la sta provando.
Questo articolo, intitolato "Mapping the Pandemic's Echo", compie un salto enorme oltre quella fotografia congelata. I ricercatori, Maaskri e il suo team, hanno deciso di costruire una macchina del tempo per i social media. Hanno raccolto una collezione massiccia di 2,4 milioni di tweet da persone di tutto il mondo, raccolti in 30 mesi, da gennaio 2020 a giugno 2022. Invece di guardare i tweet solo come un ammasso statico di dati, hanno utilizzato un toolkit speciale e tecnologicamente avanzato per osservare come le storie e gli umori si siano evoluti mese dopo mese. Hanno combinato un cervello linguistico super intelligente (chiamato COVID-Twitter-BERT) che comprende lo slang specifico e il contesto dei tweet sulla pandemia con un tracciatore di argomenti dinamico (chiamato BERTopic) che può individuare nuove storie man mano che emergono e vecchie storie man mano che svaniscono.
Ciò che hanno scoperto è un paesaggio dell'emozione umana affascinante e mutevole. Lo studio suggerisce che la pandemia non sia stata una lunga e noiosa storia, ma una serie di capitoli distinti. All'inizio, nei primi mesi del 2020, la narrazione dominante era il puro panico per la carenza di mascherine e forniture mediche. Con il passare dei mesi, la conversazione è cambiata drasticamente. Nel 2021, l'attenzione si è spostata sui vaccini, partendo da un'ondata di enorme ottimismo e speranza, per poi trasformarsi lentamente in un acceso e polarizzato dibattito sul fatto che le persone dovessero necessariamente farli. Entro il 2022, l'umore era cambiato di nuovo verso qualcosa chiamato "stanchezza da pandemia", dove le persone erano semplicemente stanche di tutta la situazione.
I ricercatori hanno anche scoperto che la geografia conta molto. È come se due diversi quartieri della stessa città avessero feste completamente differenti. Negli Stati Uniti, le conversazioni più grandi riguardavano spesso la "libertà contro i mandati", con molto odio e dibattiti sulle regole e i diritti personali. In Europa, invece, le discussioni erano più focalizzate sulla "solidarietà" e sul lavorare insieme come comunità. Lo studio ha misurato questi sentimenti e ha scoperto che il loro sistema riusciva a indovinare correttamente l'umore di un tweet circa il 76% delle volte, e ha identificato con successo 50 diverse storie distinte o "narrazioni" che le persone stavano raccontando.
L'articolo sostiene che guardare i social media come un elenco statico di opinioni significhi perdere il punto fondamentale. Se si guarda solo un'istantanea, si potrebbe pensare che tutti siano felici dei vaccini, o si potrebbe perdere il fatto che una specifica regione sia improvvisamente arrabbiata per una nuova regola. Mappando questi cambiamenti nel tempo e nello spazio, gli autori suggeriscono che gli esperti di sanità pubblica potrebbero utilizzare questo tipo di "sorveglianza narrativa" per individuare nuove preoccupazioni prima che diventino grandi problemi. Potrebbero vedere esattamente quando l'ottimismo si trasforma in paura o quando una politica locale sta causando un tipo specifico di reazione negativa, permettendo loro di adattare i propri messaggi per adattarsi all'umore del momento. Sebbene lo studio sia limitato ai tweet in lingua inglese e includa solo persone che usano Twitter (che potrebbero non rappresentare tutti), esso offre un nuovo modo potente per ascoltare il polso del mondo, mostrando che la storia di una pandemia non è mai una sola storia, ma un miliardo di storie diverse che cambiano ogni giorno.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.