[論文レビュー] Divergent modes of online collective attention to the COVID-19 pandemic are associated with future caseload variance

Dewhurst Dr, Thayer Alshaabi+4 more|arXiv (Cornell University)|Apr 7, 2020

Misinformation and Its Impacts参考文献 26被引用数 9

ひとこと要約

本研究は、2019年9月から2020年4月にかけて24ヶ国語で記述されたTwitterの議論を分析し、新型コロナウイルス感染症パンデミックに対する集団的注目が2つの異なるモードを示すことを特定した。1つは2020年1月の初期の急増であり、もう1つは3月の再燃である。研究では、初期のTwitterでの語の使用の変動性が、約22.5日前に予測される今後の新型コロナウイルス感染症新規症例の変動を示しており、ソーシャルメディアの言語的ダイナミクスが公衆衛生の予測に役立つ可能性があることを示唆しているが、因果関係は確立されていない。

ABSTRACT

Using a random 10% sample of tweets authored from 2019-09-01 through 2020-04-30, we analyze the dynamic behavior of words (1-grams) used on Twitter to describe the ongoing COVID-19 pandemic. Across 24 languages, we find two distinct dynamic regimes: One characterizing the rise and subsequent collapse in collective attention to the initial Coronavirus outbreak in late January, and a second that represents March COVID-19-related discourse. Aggregating countries by dominant language use, we find that volatility in the first dynamic regime is associated with future volatility in new cases of COVID-19 roughly three weeks (average 22.49 $\pm$ 3.26 days) later. Our results suggest that surveillance of change in usage of epidemiology-related words on social media may be useful in forecasting later change in disease case numbers, but we emphasize that our current findings are not causal or necessarily predictive.

研究の動機と目的

• Twitterの言語に反映された新型コロナウイルス感染症パンデミックへの集団的注目の時間的推移を調査すること。
• 複数の言語を通じてパンデミック関連のオンラインディスコースに見られる、明確に分かれる動的レジームを同定すること。
• ソーシャルメディアでの語の使用の変動が、今後の報告済みの新型コロナウイルス感染症症例数の変化と相関しているかどうかを検討すること。
• ソーシャルメディア言語が、疾患症例の変動性を予測するための代替指標としての可能性を評価すること。

提案手法

• 2019年9月1日から2020年4月30日までの間のツイートの10％ランダムサンプルを、1-グラム語の使用について分析した。
• 24ヶ国語で使用された疫学関連語の時間的パターンをクラスタリングすることで、語の使用における動的レジームを同定した。
• 国を主な言語別に集約し、地域的ディスコースパターンを評価した。
• ソーシャルメディアディスコースの変動性と今後の症例数の変動性との関連性を検証するために、ラグ付き相互相関分析を用いた。
• ソーシャルメディアのダイナミクスと症例の変動の間の時間ラグは、22.49 ± 3.26日と推定された。

実験結果

リサーチクエスチョン

• RQ1 Twitter上で新型コロナウイルス感染症パンデミックに対するオンラインの集団的注目に、どのような明確に分かれる動的レジームが現れるか？
• RQ2 Twitter上での疫学関連語の使用の変動は、今後の報告済みの新型コロナウイルス感染症症例数の変化とどのように関連しているか？
• RQ3 ソーシャルメディアディスコースの変化とその後の疾患症例数の変化との間に、一貫した時間ラグがあるか？
• RQ4 ソーシャルメディア言語の変動性が、今後の症例数の変動性を予測するのにどの程度有効であるか？

主な発見

• Twitterディスコースに2つの明確な動的レジームが同定された。1つは2020年1月下旬の初期の流行に焦点を当てたもので、もう1つは2020年3月のディスコースに対応するものであった。
• 初期パンデミック認識に関連する最初の動的レジームにおける変動性は、今後の新型コロナウイルス感染症新規症例の変動性と有意に相関していた。
• Twitterディスコースのピークとなる変動性とその後の症例数の変動性との平均ラグは22.49 ± 3.26日であった。
• ソーシャルメディア言語のダイナミクスと今後の症例の変動との関連性は、複数の言語別国別グループで観察された。
• 本研究では因果関係の証拠は得られず、観察された関連性は相関関係であり、因果的予測としては成立しないことを強調している。