[논문 리뷰] Face Off: Polarized Public Opinions on Personal Face Mask Usage during the COVID-19 Pandemic

Neil Yeung, Jonathan R. Lai외 1명|arXiv (Cornell University)|2020. 10. 31.

COVID-19 Pandemic Impacts참고 문헌 17인용 수 4

한 줄 요약

이 연구는 코로나19 팬데믹 기간 동안 얼굴 마스크 착용에 대한 공중의 여론을 추적하기 위해 트위터 데이터를 활용한 다중 모odal 인구통계 추론 및 정서 분석 프레임워크를 제안한다. 연구는 PELT 알고리즘을 사용한 오프라인 변화점 탐지 기법을 적용하여 CDC의 2020년 4월 3일 정책 전환과 트럼프의 2020년 7월 20일 마스크 관련 트윗이라는 주요 정책 이벤트와 관련된 통계적으로 유의미한 정서 변화를 식별하였으며, 정치적 소속이 정책 변화에 대한 정서 반응의 분열을 강하게 예측함을 확인하였다.

ABSTRACT

In spite of a growing body of scientific evidence on the effectiveness of individual face mask usage for reducing transmission rates, individual face mask usage has become a highly polarized topic within the United States. A series of policy shifts by various governmental bodies have been speculated to have contributed to the polarization of face masks. A typical method to investigate the effects of these policy shifts is to use surveys. However, survey-based approaches have multiple limitations: biased responses, limited sample size, badly crafted questions may skew responses and inhibit insight, and responses may prove quickly irrelevant as opinions change in response to a dynamic topic. We propose a novel approach to 1) accurately gauge public sentiment towards face masks in the United States during COVID-19 using a multi-modal demographic inference framework with topic modeling and 2) determine whether face mask policy shifts contributed to polarization towards face masks using offline change point analysis on Twitter data. First, we infer several key demographics of individual Twitter users such as their age, gender, and whether they are a college student using a multi-modal demographic prediction framework and analyze the average sentiment for each respective demographic. Next, we conduct topic analysis using latent Dirichlet allocation (LDA). Finally, we conduct offline change point discovery on our sentiment time series data using the Pruned Exact Linear Time (PELT) search algorithm. Experimental results on a large corpus of Twitter data reveal multiple insights regarding demographic sentiment towards face masks that agree with existing surveys. Furthermore, we find two key policy-shift events contributed to statistically significant changes in sentiment for both Republicans and Democrats.

연구 동기 및 목표

• 기존의 설문 기반 여론 조사의 한계(표본 편향 및 오래된 응답 등)를 극복하기 위해 실시간 소셜 미디어 데이터를 활용함으로써, 마스크 착용에 대한 여론 연구를 개선하고자 한다.
• 특히 CDC의 2020년 4월 3일 마스크 권고 정책 전환과 같은 변화하는 공중보건 정책이 마스크 착용에 대한 공중의 정서에 어떤 영향을 미쳤는지 조사하고자 한다.
• 정책 변화가 마스크 착용 태도의 정치적 극단화를 이끌고 있는지 여부를, 트위터 데이터 기반의 데이터 기반 정서 분석을 통해 규명하고자 한다.
• 트위터 사용자의 연령, 성별, 민족, 대학생 여부를 추론할 수 있는 다중 모달 인구통계 추론 프레임워크를 개발하고 검증함으로써, 인구 집단별 정교한 정서 분석을 가능하게 하고자 한다.

제안 방법

• 트위터 프로필의 시각적, 텍스처적, 언어적 특징을 융합한 다중 모달 인구통계 추론 프레임워크를 활용하여 사용자의 인구통계 정보(연령, 성별, 민족, 대학생 여부)를 예측하였다.
• VADER 기반의 정서 인식 감정 분석을 적용하여 시간에 따라 마스크에 대한 공중의 정서를 정량화하였다.
• 잠재(dirichlet) 분포 할당(Latent Dirichlet Allocation, LDA)을 사용한 토픽 모델링을 통해 코로나19 논의 전반에서 마스크 착용과 관련된 주요 하위 주제를 식별하고 분석하였다.
• 정서 시계열에 대해 오프라인 변화점 탐지 기법으로 Pruned Exact Linear Time(PELT) 알고리즘을 적용하여, 정책 이벤트와 일치하는 통계적으로 유의미한 정서 변화를 식별하였다.
• 정치적 소속에 따라 정서 시계열을 필터링하여 공화당과 민주당 간의 정책 변화에 대한 이질적 반응을 고립하고 분석하였다.
• 기존 설문 데이터와의 비교를 통해 연구 결과를 검증하였으며, CDC 정책 전환 및 트럼프의 마스크 트윗과 같은 주요 뉴스 이벤트와의 상관관계를 분석하여 결과의 탄력성을 평가하였다.

실험 결과

연구 질문

• RQ1 트위터에서의 공중 정서 추세는 코로나19 초기 미국에서 마스크 착용에 대한 극단화된 태도를 어느 정도 반영하고 있는가?
• RQ2 CDC의 2020년 4월 3일 마스크 착용 권고 정책 전환이 공중 정서에 통계적으로 유의미한 변화를 유도했는가? 만약 그렇다면, 정치적 소속에 따라 이 변화는 어떻게 다를까?
• RQ3 트럼프의 2020년 7월 20일 마스크 착용에 대한 트윗은 공화당과 민주당 내에서 감정에 감지 가능한 변화를 일으켰는가?
• RQ4 성별, 연령, 민족, 대학생 여부 등 주요 인구집단 간에 사회 미디어 데이터로부터 유추된 마스크에 대한 정서 패턴은 어떻게 다를까?
• RQ5 정서 시계열에 대한 오프라인 변화점 탐지 기법이 실시간 공중보건 위기 상황에서 정책 변화가 여론에 미치는 영향을 신뢰성 있게 식별할 수 있는가?

주요 결과

• CDC의 2020년 4월 3일 정책 전환은 통계적으로 유의미한 정서 변화를 유도하였다: 공화당의 정서는 부정적 수준으로 하락했고, 민주당의 정서는 긍정적으로 전환되었다.
• 트럼프의 2020년 7월 20일 마스크 착용에 대한 트윗은 공화당의 정서를 상승시켰지만 여전히 부정적이었고, 민주당의 정서는 하락세를 보였다(그럼에도 긍정적인 수준을 유지함).
• 남성은 마스크에 대해 부정적인 평균 정서를 보였고, 여성은 긍정적인 정서를 보여 성별 간 정서 격차를 확인하였다.
• 대학생은 전체 인구집단과는 다소 다른 정서 패턴을 보였으며, 이는 이 집단 내에서 고유한 행동 또는 태도 반응을 의미한다.
• 유럽계 외모를 지닌 개인은 평균적으로 부정적인 정서를 보였지만, 그 외 모든 민족 집단은 긍정적인 정서를 보였으며, 이는 마스크에 대한 인식에서 잠재적인 민족적 격차를 시사한다.
• 정치적 소속은 다른 추론된 인구통계 변수를 통제하더라도 정책 변화에 대한 정서 변화에 가장 일관되게 영향을 미치는 인구통계적 예측 변수로 확인되었다.