[論文レビュー] Trend and Thoughts: Understanding Climate Change Concern using Machine Learning and Social Media Data

Zhongkai Shangguan, Zihe Zheng+1 more|arXiv (Cornell University)|Nov 6, 2021

Climate Change Communication and Perception参考文献 10被引用数 9

ひとこと要約

本研究は、2019年4月から2021年8月にかけて、1500万件を超える公開可能な気候変動関連のTwitterデータセットを構築した。LDAトピックモデリングとRoBERTaベースのセンチメント分析を適用した結果、主な気候変動イベントの際には公的議論が急増し、ネガティブなセンチメントが支配的（44％）であることが判明。ポジティブなセンチメントはエアス・デイに集中している。本データセットは、今後の研究を促進するため、Kaggleで公開されている。

ABSTRACT

Nowadays social media platforms such as Twitter provide a great opportunity to understand public opinion of climate change compared to traditional survey methods. In this paper, we constructed a massive climate change Twitter dataset and conducted comprehensive analysis using machine learning. By conducting topic modeling and natural language processing, we show the relationship between the number of tweets about climate change and major climate events; the common topics people discuss climate change; and the trend of sentiment. Our dataset was published on Kaggle (\url{https://www.kaggle.com/leonshangguan/climate-change-tweets-ids-until-aug-2021}) and can be used in further research.

研究の動機と目的

• 従来のアンケート調査の限界を克服し、リアルタイムのソーシャルメディアデータを用いて気候変動に関する世論を理解すること。
• 今後の研究に役立てるため、包括的かつオープンソースの気候変動関連Twitterデータセットを構築すること。
• 気候変動に関する公的議論における時間的傾向、支配的トピック、センチメントの変化を分析すること。

提案手法

• 2019年4月から2021年8月にかけて、snscrapeを用いて12のキーワード（例：#climatechange、global warming）を用いてツイートを収集した。
• 語彙素の表層形化、小文字への変換、ストップワードの削除、および「climate change」という語の除去により、テキストを前処理し、トピックの多様性を向上させた。
• 1.5百万件（全データの10％）のランダムサンプルを用いて、15の明確な議論テーマを特定するために、潜在ディリクレ配分（LDA）を用いたトピックモデリングを実施した。
• 全ツイートデータセットに対して、微調整されたRoBERTa-baseモデルを用いて、3クラスのセンチメント分類（ポジティブ、ニュートラル、ネガティブ）を実施した。
• 主な気候変動イベントとセンチメントの傾向を照合することで、公的議論と現実世界の出来事との相関関係を特定した。
• 最終的なデータセットをKaggleに公開することで、再現可能性と今後の研究を促進した。

実験結果

リサーチクエスチョン

• RQ1 主な気候変動イベントは、Twitter上での気候変動関連の議論の件数とセンチメントにどのように影響を与えるか？
• RQ2 ユーザーはTwitter上で気候変動に関して、どのようなトピックを議論しているか？
• RQ3 特に重要な出来事の前後において、気候変動に対する世論のセンチメントはどのように変化するか？
• RQ4 政治的議論やCOVID-19パンデミックは、気候変動関連のTwitter議論にどの程度反映されているか？
• RQ5 異なるトピックや時間帯において、センチメントの分布（ポジティブ、ニュートラル、ネガティブ）はどのように変化するか？

主な発見

• 気候変動関連のツイート数は、極端な天候や政策発表などの高インパクトな出来事が発生する際、著しく増加し、そのピークは高影響の出来事と密接に一致した。
• ネガティブなセンチメントが公的議論を支配しており、全ツイートの44％を占めている。ニュートラルなセンチメントは42％、ポジティブなセンチメントはわずか14％である。
• ポジティブなセンチメントのピークは、エアス・デイ（2020年4月22日および2021年4月22日）の記念行事に限定的に見られ、イベントに起因するポジティブな感情の高まりを示している。
• トピックモデリングにより、15の明確なテーマが特定された。その例として、政治的議論（例：米国大統領選挙）、気候政策、環境保護、マスコミ報道が含まれる。
• 政治的およびパンデミック関連のトピック、たとえば2020年の米国大統領選挙やCOVID-19の健康危機は、気候変動に関する議論に頻繁に絡み合っている。
• 15,075,535件のユニークなツイートを含む本データセットは、2021年時点で入手可能な最大かつ最新のオープンアクセスの気候変動関連Twitterデータセットである。