[论文解读] Dutch General Public Reaction on Governmental COVID-19 Measures and Announcements in Twitter Data

Sihang Wang, Marijn Schraagen+2 more|arXiv (Cornell University)|Jun 12, 2020

Misinformation and Its Impacts参考文献 32被引用 8

一句话总结

本研究利用2020年2月至今的Twitter、新闻评论和Reddit数据，分析荷兰公众对政府新冠防疫措施的舆论。通过自然语言处理（NLP）与立场检测技术，研究发现公众对社交距离政策的支持随时间持续下降，且对政府初期声称口罩对公众无效的立场表现出强烈而持续的反对，凸显了实时社交媒体分析在政策反馈回路中的价值。

ABSTRACT

Public sentiment (the opinions, attitudes or feelings expressed by the public) is a factor of interest for government, as it directly influences the implementation of policies. Given the unprecedented nature of the COVID-19 crisis, having an up-to-date representation of public sentiment on governmental measures and announcements is crucial. While the 'staying-at-home' policy makes face-to-face interactions and interviews challenging, analysing real-time Twitter data that reflects public opinion toward policy measures is a cost-effective way to access public sentiment. In this context, we collect streaming data using the Twitter API starting from the COVID-19 outbreak in the Netherlands in February 2020, and track Dutch general public reactions on governmental measures and announcements. We provide temporal analysis of tweet frequency and public sentiment over the past seven months. We also identify public attitudes towards two Dutch policies in case studies: one regarding social distancing and one regarding wearing face masks. By presenting those preliminary results, we aim to provide visibility into the social media discussions around COVID-19 to the general public, scientists and policy makers. The data collection and analysis will be updated and expanded over time.

研究动机与目标

• 在疫情期间，为荷兰政府新冠防疫措施提供实时、低成本的公众舆论洞察。
• 通过利用实时社交媒体数据，克服因封锁和延迟导致的传统调查与访谈的局限性。
• 通过多源情感与立场分析，评估公众对特定政策（社交距离与口罩佩戴令）的反应。
• 通过整合Twitter、Nu.nl评论与Reddit帖子的数据，提升公众舆论代表性的准确性。
• 为政策制定者与研究人员提供及时、数据驱动的公众态度及其随时间演变的洞察。

提出的方法

• 使用Twitter API收集实时Twitter流数据，并通过预设的新冠相关关键词进行过滤。
• 整合来自荷兰新闻网站Nu.nl和Reddit的数据，以增强代表性并支持模型训练。
• 应用自然语言处理（NLP）技术进行情感极性分析与立场检测（支持 vs. 反对政策目标）。
• 采用监督式机器学习方法，基于人工标注数据进行立场分类，利用词嵌入与神经网络技术。
• 对多个平台上的情感与立场趋势进行时间序列分析，以追踪公众舆论的演变。
• 探索主动学习方法，以减少新政策主题的标注工作量，提升立场分析的可扩展性。

实验结果

研究问题

• RQ1 公众对荷兰政府新冠防疫措施的舆论随时间如何演变，特别是在重大政策公告前后？
• RQ2 公众对政府最初声称口罩对普通民众无效这一立场持何种态度？
• RQ3 Twitter、Nu.nl与Reddit等平台上的情感与立场模式有何差异？
• RQ4 国家新闻发布会在多大程度上能实时影响公众舆论？
• RQ5 公众舆论趋势能否与真实世界的疫情指标（如感染与死亡人数）相关联？

主要发现

• 每日荷兰Twitter上关于新冠的推文数量达到数万条，情感倾向普遍比荷兰平均推文更负面。
• 公众对社交距离政策的支持在2020年3月政策宣布时达到峰值，随后持续下降至6月，之后再次回升，可能反映了疫情动态的变化。
• 公众广泛拒绝政府最初声称口罩对公众无效的说法，拒绝率在数月内保持在高水平且稳定。
• 在Nu.nl上，公众对口罩政策的支持度高于Twitter，可能是因为平台主动管理减少了错误信息与网络暴力。
• 国家新闻发布会对舆论有可测量的、迅速的影响，尽管并非所有发布会都与舆论变化存在直接关联。
• 对带有地理位置标签的推文进行地理分析是可行的，可揭示政策态度的区域差异，或有助于解释病毒传播的区域差异。