[论文解读] Characterizing Twitter users behaviour during the Spanish Covid-19 first wave

Bernat Esquirol, Luce Prignano+2 more|arXiv (Cornell University)|Dec 11, 2020

Misinformation and Its Impacts参考文献 13被引用 4

一句话总结

本研究分析了西班牙在首次新冠疫情期间的推特活动，采用分段回归与贝叶斯变点检测方法识别行为转变。研究发现，记者和普通用户在2020年3月9日之后突然增加了发推频率，而政治人物则未出现活动激增，反而显著增加了转发行为，表明其行为受内在制度动态驱动，而非危机引发的反应。

ABSTRACT

People use Online Social Media to make sense of crisis events. A pandemic crisis like the Covid-19 outbreak is a complex event, involving numerous aspects of the social life on multiple temporal scales. Focusing on the Spanish Twittersphere, we characterized users activity behaviour across the different phases of the Covid-19 first wave. Firstly, we analyzed a sample of timelines of different classes of users from the Spanish Twittersphere in terms of their propensity to produce new information or to amplify information produced by others. Secondly, by performing stepwise segmented regression analysis and Bayesian switchpoint analysis, we looked for a possible behavioral footprint of the crisis in the statistics of users' activity. We observed that generic Spanish Twitter users and journalists experienced an abrupt increment of their tweeting activity between March 9 and March 14, in coincidence with control measures being announced by regional and State level authorities. However, they displayed a stable proportion of retweets before and after the switching point. On the contrary, politicians represented an exception, being the only class of users not experimenting this abrupt change and following a completely endogenous dynamics determined by institutional agenda. On the one hand, they did not increment their overall activity, displaying instead a slight decrease. On the other hand, in times of crisis, politicians tended to strengthen their propensity to amplify information rather than produce it.

研究动机与目标

• 描述西班牙不同类别的推特用户在首次新冠疫情期间在线行为的变化。
• 识别用户活动中的关键转变点，这些转变点可能对应政策干预或公众意识变化。
• 评估不同用户类型（如记者、政治人物、普通用户）对疫情危机的行为反应是否存在差异。
• 评估在危机事件中，尤其是受到信息过载影响时，标准活动模式模型的可靠性。
• 探讨在线社交媒体是否可通过检测社会压力的行为痕迹，作为危机期间的早期预警系统。

提出的方法

• 收集并分析了1,000名西班牙推特用户的时间线，涵盖三类用户：记者、政治人物与普通用户。
• 应用逐步分段回归，检测每日发推频率的突变，识别用户活动中的潜在变点。
• 使用贝叶斯变点分析，基于推文数量服从泊松过程的假设，估计行为转变的最可能时间。
• 通过包含多个变点的合成数据验证结果，评估模型稳健性与p值解释的可靠性。
• 将基于泊松分布的变点模型与S型模型及多状态模型进行比较，评估变化检测的敏感性与准确性。
• 评估在检测到的变点前后，转发推文与原创推文的比例变化，以评估内容生产与信息传播行为的转变。

实验结果

研究问题

• RQ1 在西班牙首次新冠疫情期间，不同用户类型的推特活动何时发生显著变化？
• RQ2 记者、政治人物与普通用户在应对疫情管控措施启动时是否表现出不同的行为反应？
• RQ3 危机期间，原创内容生产与转发行为之间的平衡是否存在可检测的转变？该转变是否因用户群体而异？
• RQ4 在存在多个转变点的情况下，贝叶斯变点分析是否仍能可靠检测用户活动中的行为过渡？
• RQ5 政治人物的活动模式与其他用户有何不同？这对其在危机传播中的角色有何启示？

主要发现

• 记者与普通用户在2020年3月9日至3月14日期间发推活动急剧上升，与全国及地区封锁措施的宣布时间一致。
• 记者与普通用户在变点前后的转发比例保持稳定，表明尽管活动增加，其内容消费习惯未发生显著变化。
• 政治人物未出现整体活动激增；相反，其发推量略有下降，表明其采取了更为克制的传播策略。
• 政治人物在危机期间显著增加了转发行为，表明其策略性地转向信息放大，而非原创内容生产。
• 贝叶斯变点模型在大多数情况下检测到一个主导变点，但p值低于0.5表明可能存在多个变点，而该模型可能遗漏这些转变。
• 多状态模型对复杂活动模式的拟合效果更优，但相比更简单的线性断点模型，其引入了更多噪声与计算成本。