[论文解读] Tracking Public Opinion in China through Various Stages of the COVID-19 Pandemic

Yuqi Gao, Hang Hua+1 more|arXiv (Cornell University)|May 30, 2020

Misinformation and Its Impacts参考文献 18被引用 4

一句话总结

本研究通过对中国微博平台在新冠疫情大流行期间的99,913条已标注和900,000条未标注的微博进行情感分析，追踪了公众舆论。研究识别出关键影响因素，如疫情阶段、政府政策、中美关系以及用户生成话题，揭示了公众话语的重大转变，这些转变与重大事件和人口统计因素密切相关。

ABSTRACT

In recent months, COVID-19 has become a global pandemic and had a huge impact on the world. People under different conditions have very different attitudes toward the epidemic. Due to the real-time and large-scale nature of social media, we can continuously obtain a massive amount of public opinion information related to the epidemic from social media. In particular, researchers may ask questions such as "how is the public reacting to COVID-19 in China during different stages of the pandemic?", "what factors affect the public opinion orientation in China?", and so on. To answer such questions, we analyze the pandemic related public opinion information on Weibo, China's largest social media platform. Specifically, we have first collected a large amount of COVID-19-related public opinion microblogs. We then use a sentiment classifier to recognize and analyze different groups of users' opinions. In the collected sentiment orientated microblogs, we try to track the public opinion through different stages of the COVID-19 pandemic. Furthermore, we analyze more key factors that might have an impact on the public opinion of COVID-19 (e.g., users in different provinces or users with different education levels). Empirical results show that the public opinions vary along with the key factors of COVID-19. Furthermore, we analyze the public attitudes on different public-concerning topics, such as staying at home and quarantine.

研究动机与目标

• 了解中国新冠疫情不同阶段期间公众对新冠的看法如何演变。
• 识别影响社交媒体情感倾向的人口统计和情境因素（如地区、教育水平和性别）。
• 研究公众对中国和美国政府行动的情感反应，特别是针对政策变化和国际言论的反应。
• 分析与日常生活话题（如隔离、戴口罩、在线学习）相关的公众话语，并将其与现实事件相关联。
• 提供一种数据驱动的、多维度的公众情感分析，作为理解全球卫生危机期间社会反应的视角。

提出的方法

• 使用基于关键词的爬取方法收集了99,913条与新冠相关的已标注微博和900,000条未标注微博。
• 在已标注数据上训练情感分类器，以预测完整数据集的情感极性（正面、负面、中性）。
• 采用自助法（bootstrapping）技术提高情感标签的可靠性，并确保样本具有代表性。
• 利用训练好的分类器，根据用户个人资料数据对用户按教育水平进行分类。
• 按疫情阶段（如疫情早期、武汉封城、国际传播）对数据进行分段，以追踪情感演变。
• 将情感趋势与关键事件（如美国报告首例死亡病例、社交距离政策、输入性病例）及热门话题标签进行关联。

实验结果

研究问题

• RQ1 中国新冠疫情不同阶段期间，微博上关于新冠的公众情绪如何变化？
• RQ2 在疫情期间，哪些因素（如地区来源、教育水平或性别）会影响微博用户的情感倾向？
• RQ3 重大政策决策（如武汉封城）和国际发展（如美国病例、特朗普言论）如何影响公众情绪？
• RQ4 关于隔离、戴口罩、在线学习和洗手等日常生活话题的公众话语模式有哪些？
• RQ5 用户生成内容和热门话题标签如何影响特定话题的讨论量和情感倾向？

主要发现

• 微博上的公众情绪在疫情关键节点出现显著变化，例如2020年1月20日官方确认人传人传播后。
• 关于隔离、口罩和在线学习的讨论在1月21日至25日期间激增，与武汉封城和公共卫生建议同步。
• 话题标签“#居家做饭失败#”在1月25日引发微博数量显著上升，表明隔离期间用户生成内容关于日常生活的讨论激增。
• 自1月1日起，关于消毒的微博数量持续保持高位，使其成为最早且最持续讨论的话题之一。
• 由于需求上升、供应短缺和价格投机，关于口罩的讨论情绪逐渐转为负面，尤其在1月22日左右。
• 美国于2月29日报告首例死亡病例，以及3月13日宣布实施社交距离政策，均与隔离和口罩话题讨论的再次激增相关。