[论文解读] Understanding the Socio-Economic Disruption in the United States during COVID-19's Early Days

Swaroop Gowdra Shanthakumar, Anand Seetharam+1 more|arXiv (Cornell University)|Apr 11, 2020

Sentiment Analysis and Opinion Mining参考文献 12被引用 8

一句话总结

本研究分析了2020年3月14日至24日期间来自美国的530,206条Twitter推文，以了解早期COVID-19期间的社会经济中断情况。通过话题标签聚类和语言学分析，研究揭示了恐慌性抢购（尤其是厕纸）的增加、呼吁学校和城市封锁的声音，以及情绪困扰的加剧，主要主题包括隔离、挫败感，以及对一线工作者的团结支持。

ABSTRACT

In this paper, we collect and study Twitter communications to understand the socio-economic impact of COVID-19 in the United States during the early days of the pandemic. Our analysis reveals that COVID-19 gripped the nation during this time as is evidenced by the significant number of trending hashtags. With infections soaring rapidly, users took to Twitter asking people to self isolate and quarantine themselves. Users also demanded closure of schools, bars, and restaurants as well as lockdown of cities and states. The communications reveal the ensuing panic buying and the unavailability of some essential goods, in particular toilet paper. We also observe users express their frustration in their communications as the virus spread continued. We methodically collect a total of 530,206 tweets by identifying and tracking trending COVID-related hashtags. We then group the hashtags into six main categories, namely 1) General COVID, 2) Quarantine, 3) Panic Buying, 4) School Closures, 5) Lockdowns, and 6) Frustration and Hope, and study the temporal evolution of tweets in these hashtags. We conduct a linguistic analysis of words common to all the hashtag groups and specific to each hashtag group. Our preliminary study presents a succinct and aggregated picture of people's response to the pandemic and lays the groundwork for future fine-grained linguistic and behavioral analysis.

研究动机与目标

• 通过Twitter上公众表达的情绪，理解早期COVID-19在美国造成社会经济中断的情况。
• 利用流行话题标签和时间趋势，识别并分类公众对疫情的反应。
• 对推文内容进行语言学分析，以揭示不同主题群体中的常见词和独特词汇。
• 为未来关于疫情相关社会行为和情绪的精细化研究提供基础数据集和分析结果。

提出的方法

• 通过Twitter搜索API在2020年3月14日至3月24日期间收集了530,206条推文，重点关注流行的话题标签。
• 将话题标签划分为六个主题类别：一般COVID、隔离、恐慌性抢购、学校停课、封锁和挫败感与希望。
• 通过过滤停用词后，识别所有组别中的常见词汇以及每组中独特且具有语义意义的词汇，进行语言学分析。
• 使用时间序列分析，追踪各话题标签组别随时间推移的推文数量变化。
• 通过定性检查代表性推文，以理解词汇使用和情感基调的语境。
• 计划未来工作包括主题建模、情感分析，以及扩展的语言学和基于图的分析。

实验结果

研究问题

• RQ1 美国公众在Twitter上的讨论如何随早期COVID-19传播而演变？
• RQ2 在疫情最初两周内，哪些社会经济关切——如恐慌性抢购、学校停课或封锁——主导了公众讨论？
• RQ3 推文中出现了哪些语言模式和情感基调，它们如何随时间推移而变化？
• RQ4 哪些词汇在多个话题标签组别中广泛共享，哪些词汇独特地代表了特定主题？
• RQ5 公众情绪和行动呼吁（如保持社交距离、居家办公）如何反映出日益增长的焦虑与团结？

主要发现

• 呼吁学校停课的讨论在3月中旬达到顶峰，并在实施后下降，表明与政策变化存在时间上的对应关系。
• 恐慌性抢购和厕纸短缺被广泛讨论，#panicbuying和#toiletpapercrisis等话题标签显示出显著的推文数量。
• 与封锁相关的话题标签从针对酒吧逐渐扩展到城市，最终扩展到州，反映出公众需求在地理范围上的扩大。
• 挫败感与希望类别的趋势持续上升，表明随着疫情发展，公众承受的情绪压力日益加剧。
• 所有组别中常见的词汇包括'life'（生活）、'health'（健康）、'family'（家庭）、'death'（死亡）和'crisis'（危机），反映出广泛的社会关切。
• 语言学分析揭示了对心理健康关注度的提升，以及对一线工作者的感激之情，#saveworkers和#stayhomechallenge等话题标签逐渐获得关注。