[论文解读] Is Working From Home The New Norm? An Observational Study Based on a Large Geo-tagged COVID-19 Twitter Dataset

Yunhe Feng, Wenjun Zhou|arXiv (Cornell University)|Jun 15, 2020

Sentiment Analysis and Opinion Mining参考文献 5被引用 14

一句话总结

本研究利用包含650,563条美国地理标签推文的大规模推特数据集（2020年1月25日至5月10日），分析新冠疫情初期公众情绪与工作投入度。研究提出通过比较工作日与周末的每小时推文发布量来估算居家办公趋势，发现纽约州初期工作投入度较低，而解封期间下午工作投入度显著上升。该数据集与研究结果已公开，可供进一步研究使用。

ABSTRACT

As the COVID-19 pandemic swept over the world, people discussed facts, expressed opinions, and shared sentiments on social media. Since the reaction to COVID-19 in different locations may be tied to local cases, government regulations, healthcare resources and socioeconomic factors, we curated a large geo-tagged Twitter dataset and performed exploratory analysis by location. Specifically, we collected 650,563 unique geo-tagged tweets across the United States (50 states and Washington, D.C.) covering the date range from January 25 to May 10, 2020. Tweet locations enabled us to conduct region-specific studies such as tweeting volumes and sentiment, sometimes in response to local regulations and reported COVID-19 cases. During this period, many people started working from home. The gap between workdays and weekends in hourly tweet volumes inspired us to propose algorithms to estimate work engagement during the COVID-19 crisis. This paper also summarizes themes and topics of tweets in our dataset using both social media exclusive tools (i.e., #hashtags, @mentions) and the latent Dirichlet allocation model. We welcome requests for data sharing and conversations for more insights. Dataset link: http://covid19research.site/geo-tagged_twitter_datasets/

研究动机与目标

• 了解美国各州在新冠疫情早期公众情绪与工作行为的差异。
• 开发一种基于工作日与周末每小时推文发布量差异来估算工作投入度的方法。
• 研究地方政策（如居家令与解封措施）对公众情绪与工作模式的影响。
• 提供一个公开可访问的大规模地理标签推特数据集，供未来与疫情相关的研究使用。

提出的方法

• 通过推特流媒体API收集2020年1月25日至5月10日期间超过1.7亿条英文新冠相关推文。
• 通过移除被识别为机器人账户的推文来清理数据，定义为：发布超过5,000条推文，或在高度集中时间段内发布超过1,000条推文的用户。
• 通过识别'country_code' = 'US'并匹配50个州及华盛顿特区的州名，提取带有地理标签的推文。
• 基于工作日与周末每小时推文发布量的差异，提出一种工作投入度指标，重点关注8:00–17:00时段。
• 结合话题标签与@提及分析，以及潜在狄利克雷分配（LDA）模型，识别数据集中主导的主题。
• 使用极性词汇与面部表情符号进行情感分析，追踪关键疫情事件前后的情绪变化。

实验结果

研究问题

• RQ1 在疫情早期，美国各州对居家令与解封措施的公众情绪反应有何差异？
• RQ2 地方新冠确诊病例数与死亡率在多大程度上与区域推文发布量及情绪相关？
• RQ3 工作投入度（通过每小时推文模式衡量）如何随居家令与解封政策的变化而改变？
• RQ4 疫情期间，美国不同地区在推特上讨论的主要主题与话题是什么？
• RQ5 在关键事件（如第100例确诊病例或第1,000例死亡）前后，公众情绪如何演变？

主要发现

• 俄勒冈州、蒙大拿州、德克萨斯州和加利福尼亚州居民对确诊病例与死亡人数的反应比其他州更强烈，表现为归一化推文发布量更高。
• 根据中午时段推文活动减少的情况，纽约州在居家令第一周的工作投入度显著低于其他州。
• 与封锁第一周相比，解封第一周下午（13:00–16:59）的平均每小时工作投入度显著上升。
• 在所有州，公众对重大疫情里程碑事件（如第100例与第1,000例确诊病例及死亡）的反应均以负面情绪为主。
• 该数据集包含650,563条来自246,032名用户的独特地理标签推文，其中5.96%来自外部数据集，公开获取地址为http://covid19research.site/geo-tagged_twitter_datasets/。
• 仅0.055%的用户平均每天发布超过一条地理标签推文，表明地理覆盖广泛且用户偏差极小。