[論文レビュー] Is Working From Home The New Norm? An Observational Study Based on a Large Geo-tagged COVID-19 Twitter Dataset

Yunhe Feng, Wenjun Zhou|arXiv (Cornell University)|Jun 15, 2020

Sentiment Analysis and Opinion Mining参考文献 5被引用数 14

ひとこと要約

本研究では、2020年1月25日から5月10日までの米国における650,563件の位置タグ付きツイートから成る大規模なツイッターデータセットを用い、新型コロナウイルス感染症のパンデミック期における公衆の感情と労働参加度の変化を分析した。本研究では、平日と週末の時間別ツイート投稿数の差を比較することで、在宅勤務の傾向を推定する手法を提案した。その結果、ニューヨーク州では当初、労働参加度が低く、リオーゲンの時期に午後の労働参加度が急激に上昇した。本データセットと研究結果は、今後の研究のために公開されている。

ABSTRACT

As the COVID-19 pandemic swept over the world, people discussed facts, expressed opinions, and shared sentiments on social media. Since the reaction to COVID-19 in different locations may be tied to local cases, government regulations, healthcare resources and socioeconomic factors, we curated a large geo-tagged Twitter dataset and performed exploratory analysis by location. Specifically, we collected 650,563 unique geo-tagged tweets across the United States (50 states and Washington, D.C.) covering the date range from January 25 to May 10, 2020. Tweet locations enabled us to conduct region-specific studies such as tweeting volumes and sentiment, sometimes in response to local regulations and reported COVID-19 cases. During this period, many people started working from home. The gap between workdays and weekends in hourly tweet volumes inspired us to propose algorithms to estimate work engagement during the COVID-19 crisis. This paper also summarizes themes and topics of tweets in our dataset using both social media exclusive tools (i.e., #hashtags, @mentions) and the latent Dirichlet allocation model. We welcome requests for data sharing and conversations for more insights. Dataset link: http://covid19research.site/geo-tagged_twitter_datasets/

研究の動機と目的

• 初期の新型コロナウイルスパンデミック期における米国各州における公衆の感情と労働行動の変化を理解すること。
• 平日と週末の時間別ツイート投稿数の差を用いた、労働参加度を推定する手法を開発すること。
• 自宅待機命令やリオーゲンなどの地域政策が、公衆の感情と労働パターンに与える影響を検討すること。
• 今後のパンデミック関連研究のため、公開可能な大規模な位置タグ付きツイッター・データセットを提供すること。

提案手法

• 2020年1月25日から5月10日まで、TwitterのストリーミングAPIを介して、英語で作成された新型コロナウイルス関連のツイートを1億7000万件以上収集した。
• 1日あたり5,000件を超えるツイート、または1,000件以上のツイートが集中して投稿されたユーザーをボットとして特定し、そのツイートを除外することでデータをフィルタリング・クリーニングした。
• 「country_code」が「US」に一致し、50州およびワシントゲンD.C.の州名と一致するものを特定することで、位置タグ付きツイートを抽出した。
• 平日と週末の時間別ツイート投稿数の差に基づき、特に8:00～17:00の時間帯に注目して、労働参加度を測定する指標を提案した。
• 顕著なトピックを特定するため、ハッシュタグおよび@メンション分析に加え、潜在ディリクレ配分（LDA）を用いた分析を実施した。
• 感情分析には、極性語と顔文字を用い、パンデミックの重要な出来事の周辺における感情の変化を追跡した。

実験結果

リサーチクエスチョン

• RQ1 初期のパンデミック期に、米国各州における自宅待機命令やリオーゲンに対する公衆の感情はどのように変化したか？
• RQ2 地域別の新型コロナウイルスの感染者数および死亡者数の増加率は、地域ごとのツイート投稿数や感情にどの程度相関していたか？
• RQ3 自宅待機命令やリオーゲン政策の影響を受けて、時間別ツイートパターンに基づく労働参加度はどのように変化したか？
• RQ4 パンデミック期に米国各地で主に議論されたトピックやテーマは何か？
• RQ5 100例目の確認症例や1,000例目の死亡が発表されたなどの重要な出来事の周辺で、公衆の感情はどのように変化したか？

主な発見

• オregon州、モンタナ州、テキサス州、カリフォルニア州の住民は、他の州と比較して、確認症例や死亡者数の発表に対してより強い反応を示した。これは、正規化されたツイート投稿数で測定された。
• ニューヨーク州では、自宅待機命令の初週に、中午のツイート活動の減少を背景に、他の州と比較して著しく低い労働参加度を示した。
• リオーゲンの初週には、午後（13:00～16:59）の平均時間別労働参加度が、ロックダウンの初週と比較して著しく上昇した。
• 100例目や1,000例目の確認症例および死亡者数の発表といったパンデミックの重要な出来事に対して、全国的に否定的な感情が支配的であった。
• 本データセットには、246,032人のユーザーから発信された650,563件の固有の位置タグ付きツイートが含まれており、そのうち5.96％は外部データセットから取得された。データセットは http://covid19research.site/geo-tagged_twitter_datasets/ で公開されている。
• 1日あたり1件以上の位置タグ付きツイートを投稿したユーザーは全体の0.055％にとどまり、広範な地理的代表性と最小限のユーザーバイアスが示された。