[论文解读] Open access institutional and news media tweet dataset for COVID-19 social science research

Jingyuan Yu|arXiv (Cornell University)|Apr 3, 2020

Data-Driven Disease Surveillance参考文献 7被引用 7

一句话总结

本文介绍了一个开放获取的数据集，包含69个机构和新闻媒体的Twitter账号，涵盖政府和国际组织，以及北美、欧洲和亚洲的新闻媒体，时间范围为COVID-19大流行初期。该数据集通过Twitter API收集并公开提供，支持社会科学领域在公共卫生危机期间对信息传播、媒体框架和机构沟通的研究。

ABSTRACT

As COVID-19 quickly became one of the most concerned global crisis, the demand for data in academic research is also increasing. Currently, there are several open access Twitter datasets, but none of them is dedicated to the institutional and news media Twitter data collection, to fill this blank, we retrieved data from 69 institutional/news media Twitter accounts, 17 of them were related to government and international organizations, 52 of them were news media across North America, Europe and Asia. We believe our open access data can provide researchers more availability to conduct social science research.

研究动机与目标

• 解决在COVID-19大流行期间缺乏专注于机构和新闻媒体账号的专用开放获取Twitter数据集的问题。
• 为研究人员提供一个可靠且公开可获取的数据集，以研究全球卫生危机期间媒体和机构的沟通模式。
• 通过提供来自权威来源的精选数据集，支持社会科学领域在信息扩散、公共卫生信息传播和媒体框架方面的研究。
• 实现对不同地区和组织类型在社交媒体上关于大流行沟通方式的比较分析。
• 通过提供清晰的文档和元数据发布数据集，促进研究的可复现性。

提出的方法

• 使用Twitter API收集69个机构和新闻媒体Twitter账号的推文。
• 根据其与公共卫生、政府及国际组织的相关性，筛选出相关账号，包括北美、欧洲和亚洲的主要新闻媒体。
• 收集早期大流行期间的数据，重点聚焦于2020年3月至4月间发布的内容。
• 对数据集进行整理和清洗，以确保元数据、时间戳和内容结构的一致性。
• 以开放获取许可发布数据集，以支持学术再利用和可复现性。
• 提供关于数据收集流程、账号选择标准和元数据模式的文档，以确保透明度和可用性。

实验结果

研究问题

• RQ1 在大流行初期，机构和新闻媒体账号在Twitter上如何对COVID-19进行框架化？
• RQ2 政府/卫生组织与新闻媒体在沟通策略上存在哪些差异？
• RQ3 媒体报道的区域差异如何影响社交媒体上信息的传播？
• RQ4 哪些类型的内容（例如，公共卫生建议、突发新闻、信息图）被机构和新闻媒体账号最频繁地分享？
• RQ5 机构推文的数量和发布时间如何与公共卫生事件或政策公告相关联？

主要发现

• 该数据集包含69个机构和新闻媒体的Twitter账号，其中包括17个政府和国际组织账号以及52家新闻媒体机构。
• 该数据集覆盖了包括北美、欧洲和亚洲在内的多样化地理区域，支持跨区域比较。
• 推文数据收集自2020年3月至4月，捕捉了大流行相关沟通的初始阶段。
• 该数据集包含结构化的元数据，如时间戳、推文正文和账号类型，支持对内容和时间的详细分析。
• 该数据集通过arXiv公开提供，并附带文档，以支持可复现性和学术再利用。
• 该数据集填补了开放获取社交媒体数据中的关键空白，特别聚焦于全球卫生危机期间的权威机构和媒体来源。