[논문 리뷰] Divergent modes of online collective attention to the COVID-19 pandemic are associated with future caseload variance

Dewhurst Dr, Thayer Alshaabi외 4명|arXiv (Cornell University)|2020. 04. 07.

Misinformation and Its Impacts참고 문헌 26인용 수 9

한 줄 요약

이 연구는 2019년 9월부터 2020년 4월까지 24개 언어로 된 트위터 논의를 분석하여 코로나19 팬데믹에 대한 집단적 주목의 두 가지 별개의 방식을 규명한다: 2020년 1월 초의 급격한 증가와 3월의 재진입이다. 연구는 초기 트위터 단어 사용의 변동성이 약 22.5일 후에 향후 신규 코로나19 확진자 수의 변동성을 예측할 수 있음을 발견하였으며, 이는 소셜 미디어 언어 역학이 공중보건 예측에 기여할 수 있음을 시사하지만 인과관계는 입증되지 않았다.

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.

연구 동기 및 목표

• 트위터 언어에 반영된 코로나19 팬데믹에 대한 집단적 주목이 시간에 따라 어떻게 변화하는지 조사하기 위해.
• 다양한 언어를 통해 팬데믹 관련 온라인 논의의 별개의 동적 제도를 규명하기 위해.
• 소셜 미디어 단어 사용의 변동성이 향후 보고된 코로나19 확진자 수의 변화와 관련이 있는지 검토하기 위해.
• 소셜 미디어 언어가 질병 확진자 수의 변동성을 예측하는 데 있어 잠재적 역할을 평가하기 위해.

제안 방법

• 2019년 9월 1일부터 2020년 4월 30일까지의 트위터 중 무작위 10% 샘플을 분석하여 1-그램 단어 사용을 분석하였다.
• 24개 언어에서 전염병학 관련 용어의 시간적 패턴을 군집화하여 단어 사용의 동적 제도를 규명하였다.
• 국가들을 주로 사용하는 언어에 따라 집계하여 지역적 논의 패턴을 평가하였다.
• 지연된 상관관계 분석을 통해 트위터 논의의 변동성과 향후 확진자 수의 변동성 간 연관성을 시험하였다.
• 소셜 미디어 역학과 확진자 수의 변동성 간 시간 지연은 약 22.49 ± 3.26일로 추정되었다.

실험 결과

연구 질문

• RQ1 트위터에서 코로나19 팬데믹에 대한 온라인 집단적 주목에서 어떤 별개의 동적 제도가 나타나는가?
• RQ2 트위터에서 전염병학 관련 단어 사용의 변동성이 향후 보고된 코로나19 확진자 수의 변화와 어떻게 관련이 있는가?
• RQ3 소셜 미디어 논의의 변화와 이후 질병 확진자 수의 변화 사이에 일관된 시간 지연이 존재하는가?
• RQ4 소셜 미디어 언어의 변동성이 향후 확진자 수의 변동성을 예측하는 데 얼마나 유용한가?

주요 결과

• 트위터 논의에서 두 가지 별개의 동적 제도를 식별하였다: 2020년 1月下旬 말에 발생한 초기 유행 중심의 제도와 2020년 3월의 논의와 관련된 제도.
• 초기 팬데믹 인식과 관련된 첫 번째 동적 제도의 변동성은 향후 신규 코로나19 확진자 수의 변동성과 유의미하게 상관이 있었다.
• 트위터 논의의 피크 변동성과 이후 확진자 수의 변동성 간 평균 시간 지연은 22.49 ± 3.26일이었다.
• 소셜 미디어 언어 역학과 향후 확진자 수의 변동성 간 연관성은 다수의 언어 기반 국가 집단에서 관찰되었다.
• 연구는 인과관계에 대한 증거를 발견하지 못하였으며, 관찰된 연관성이 인과적 예측이 아니라 상관관계임을 강조하였다.