[论文解读] Geography of Emotion: Where in a City are People Happier?

Luciano Gallegos, Kristina Lerman+2 more|arXiv (Cornell University)|Jul 28, 2015

Human Mobility and Location-Based Analysis参考文献 30被引用 10

一句话总结

本研究结合Foursquare签到数据、带有地理标签的Twitter推文与美国人口普查数据，以洛杉矶市为案例，在微观地理尺度上分析城市环境对情绪幸福感的影响。研究发现，签到活动频繁的街区（表明拥有公园、健身房等受欢迎的设施）会产生情绪更积极、负面情绪更少的推文，且吸引更长距离通勤，说明宜人的城市空间可提升情绪幸福感，并影响通勤模式。

ABSTRACT

Location-sharing services were built upon people's desire to share their activities and locations with others. By "checking-in" to a place, such as a restaurant, a park, gym, or train station, people disclose where they are, thereby providing valuable information about land use and utilization of services in urban areas. This information may, in turn, be used to design smarter, happier, more equitable cities. We use data from Foursquare location-sharing service to identify areas within a major US metropolitan area with many check-ins, i.e., areas that people like to use. We then use data from the Twitter microblogging platform to analyze the properties of these areas. Specifically, we have extracted a large corpus of geo-tagged messages, called tweets, from a major metropolitan area and linked them US Census data through their locations. This allows us to measure the sentiment expressed in tweets that are posted from a specific area, and also use that area's demographic properties in analysis. Our results reveal that areas with many check-ins are different from other areas within the metropolitan region. In particular, these areas have happier tweets, which also encourage people from other areas to commute longer distances to these places. These findings shed light on human mobility patterns, as well as how physical environment influences human emotions.

研究动机与目标

• 探究地理区位与城市设施如何在社区层面与人类情绪幸福感相关联。
• 通过利用大规模、实时的社交媒体与位置共享数据，弥补传统基于调查的幸福感研究的局限性。
• 检验社交媒体活跃度较高（通过签到体现）的区域是否反映出更高的主观幸福感水平，其衡量依据为带有地理标签的推文情绪分析结果。
• 探讨人口统计特征、人类移动行为与城市环境中情绪表达之间的相互作用。

提出的方法

• 使用Foursquare签到数据识别出具有较高场所使用率的普查街区，以反映受欢迎的城市设施。
• 通过空间分辨率匹配，将同一大都市区的带地理标签推文与普查街区关联。
• 使用SentiStrength工具对推文进行情感分析，以量化情绪基调（正向/负向情绪得分）。
• 将美国人口普查的人口统计与移动性数据与街区层面的推文及签到数据整合，以支持对比分析。
• 对签到活动较多（>3次）的街区与其他所有街区进行统计比较，评估情绪、教育水平、就业率、族裔构成及移动性等方面的差异。
• 通过过滤掉低活动街区以减少虚假或无效签到带来的噪声，进行稳健性检验。

实验结果

研究问题

• RQ1 与其它街区相比，Foursquare签到活动频繁的普查街区在带有地理标签的推文中是否表现出显著更高的正向情绪？
• RQ2 签到活动频繁的街区与不频繁的街区在人口统计特征（如教育水平、就业率、族裔构成）方面有何差异？
• RQ3 来自其他区域的人们前往签到活动频繁的街区时，其通勤距离是否更长？这种现象是否与这些区域更高的情绪幸福感相关？
• RQ4 根据签到模式划分的不同类型城市设施（如公园、健身房、餐厅、公共交通）在推文情绪表达上是否存在差异？
• RQ5 社交媒体情绪模式在多大程度上反映了现实世界的情绪幸福感？人口统计偏差如何影响这一关系？

主要发现

• 签到活动频繁的街区（尤其是签到次数超过3次的）产生的推文情绪显著更积极，负面情绪更少，相较于无此类活动的街区。
• 高签到活动街区的居民平均年龄稍大，受教育程度更高，就业率更高，且非西班牙裔的占比低于洛杉矶县整体人口水平。
• 来自高签到活动街区的用户表现出更高的移动性，其平均出行距离超过其他街区的个体，表明人们为前往这些理想目的地而进行更长距离通勤。
• 即使在过滤掉低活动街区后，SentiStrength的情绪得分仍显示出向积极情绪的显著偏移，表明结果对虚假或无效签到具有稳健性。
• 研究发现，拥有更多设施（如公园、健身房、餐厅、公共交通）的区域，不仅与更高的情绪幸福感相关，还与更高的跨街区移动性有关。
• 尽管社交媒体用户存在自我选择与人口统计偏差的局限，但通过跨群体的对比分析，有效降低了此类偏差的影响，增强了研究结果的可靠性。