Свищ на десне. Лечение и симптомы. Цена, отзывы

Свищ на десне зуба не такое уж и безобидное явление. По мнению стоматологов – это проблема, которая требует длительной терапии. В клинике «НоваДент» вы быстро и безболезненно вернете себе здоровье, красивую и привлекательную улыбку.

Основные симптомы свища на десне

Проявление такой патологии как свищ на челюсти свидетельствует о скрытом воспалительном процессе в ротовой полости. Это отверстие, которое начинается в корне больного зуба и выходит на поверхность десны. Так свищ выводит гной с очага воспаления. «Причинный» зуб, возле которого образовалась такая проблема, обычно покрыт налётом, кариесом, коронкой или имеет пломбу. Но могут проявляться следующие симптомы:

• боль, которая усиливается при надкусывании или нажатии на десну;

• выделение гноя из;

• подвижность зуба;

• покраснение, припухлость десны;

• повышенная температура тела.

Обнаружив перечисленные симптомы, необходимо обратиться к врачу, чтобы вовремя начать действовать и удалить свищ на передних или жевательных зубах. В противном случае последствия будут необратимыми, вплоть до потери зубной единицы или хирургического вмешательства.

Причины возникновения свищей во рту

• воспалительный процесс кисты;

• некачественное пломбирование, лечение кариеса или пульпита;

• перфорация корня;

• болезненное прорезывание или воспаление зуба мудрости;

• периодонтит.

Появление свища на десне у взрослого или ребенка стимулирует ряд других неблагоприятных факторов. Этому способствует ослабление иммунитета, инфекционные заболевания, переутомление, переохлаждение.

Лечение

Все начинается с поиска проблемы, которая стала первопричиной его появления. Врач определяет больной участок, удаляет из него гной, лечит кариес и корень зуба. Далее очищенная, обработанная дезинфицирующим средством полость пломбируется. Пациенту назначаются препараты с противовоспалительным, антисептическим действием.

Если же свищ образовался возле зуба, в котором уже есть пломба, коронка или штифт, лечение будет более сложным и длительным.

Верный шаг к красивой улыбке

В Москве и Московской области лечение свища предлагает стоматологическая клиника «НоваДент». Гарантируем умеренные цены на услуги и ответственный подход. В клинике вас ждет:

• эффективные инновационные методики;

• новое оборудование;

• приятный сервис.

Стоимость лечения будет известна после консультации и обследования специалиста. Если причиной является кариес, то цена будет ниже и можно будет удалить свищ без удаления зуба. При наличии кисты потребуется немало времени и усилий на её устранение и, соответственно, стоить это будет немного дороже.

Спешите записаться на приём и сделать первый шаг к выздоровлению уже сейчас. Ведь чем раньше вам будет оказана помощь, тем больше шансов вернуть красоту и здоровье вашей улыбке.

Фурункул на попе — причины, как и чем вылечить народными методами

Фурункул на попе, который многие называют по-простому чирей на попе, или чиряк на попе, является отнюдь не таким простым заболеванием, которое поражает инфекцией весь организм человека.

Фурункул на попе

[содержание h4]

Общая информация

Фурункул на попе может доставить массу неприятностей, так как если не предпринимать своевременного лечения, то чирей будет доставлять огромный дискомфорт и нести в себе угрозу для здоровья пациента.

Причины фурункулов на попе

Причины появления фурункулов на ягодицах заключаются в воспалительном процессе, который вызывается стафилококками. При этом для того чтобы чирей на попе начал развиваться должны проявиться сопутствующие факторы.

Причины фурункулов на попе

Среди факторов, которые могут спровоцировать появление фурункулов на ягодицах, основными являются нарушения в гигиене, сбои в процессах обмена веществ, стрессовые ситуации, и даже банальное натирание одеждой кожи попы.

Развитию стафилококков способствует несвежая одежда.

Также среди причин фурункулов на попе неправильное и несбалансированное питание, которое приводит к недостатку в организме витаминов и других полезных веществ.

Чирей на попе – что это

Волосяных мешочков или фолликулов нет только на ступнях человека и его ладонях. Поэтому все остальное туловище не застраховано от появления такой проблемы, как фурункул, который часто называют чирей. Попа, точнее кожа на ней подвержена наибольшей механической нагрузке, так как именно на ней мы сидим.

фурункул на попе фото

Очень часто фурункул на попе появляется из-за недостаточного соблюдения человеком основ личной гигиены. Другой распространенной причиной является слабый иммунитет.

В том случае если образовалось сразу несколько фурункулов на попе, то, вероятнее всего, речь идет уже о фурункулезе, который требует соответствующего лечения.

Образование фурункула на попе

Таким образом, для того, чтобы не вскочил чирей на попе, необходимо поддерживать кожу в чистоте, носить свежее белье и следить за тем, чтобы питание было сбалансированным. Соблюдение этих элементарных правил не позволит развиваться стафилококку.

Как быстро избавиться от фурункула на попе

Задаваясь вопросом о том, почему вскочил фурункул на попе, и как от него избавиться, следует помнить о том, что начинать лечение необходимо максимально быстро. Несмотря на то, что от появления фурункулов не застрахован никто, предотвратить их появление можно, если соблюдать ряд простых правил, которые описаны выше.

как лечить фурункул на попе

Фурункул на попе это всегда большой дискомфорт, а то, что человек не может не сидеть во время трудовой деятельности и быта, лишь провоцирует развитие воспаления и большой размер фурункула, который довольно сложно лечить.

Быстро избавиться от фурункула на попе, выдавив или надрезав его нельзя – это спровоцирует лишь его дальнейшее развитие, которое может привести к необходимости хирургической операции.

Как быстро избавиться от фурункула на попе

Для того чтобы быстро вылечить фурункул на попе в домашних условиях, необходимо приобрести мазь Вишневского, либо Левомеколь,  нанести их на бинт и зафиксировать на фурункуле с помощью лейкопластыря. Также достаточно эффективна и ихтиоловая мазь, но ее применение может быть ограничено из-за достаточно сильного специфического запаха.

Менять компресс с мазью необходимо один-два раза в сутки и тем чаще, чем сильнее выделение гноя. Перед тем, как накладывать повязку, пораженный участок кожи обрабатывают раствором марганцовки, Кастеллани или йода.

фурункул на попе что делать

После того как процесс нагноения завершится, ношение повязок прекращают, но продолжают дезинфицировать рану, а также, смазывают ее зеленкой.

Если фурункул на попе обнаружен на начальной стадии, то избавиться от него можно просто периодически смазывая йодом, который остановит воспалительные процессы

Лечение фурункула на попе методами народной медицины

Из народных средств наиболее эффективными для избавления от фурункулов на попе является лист алоэ, который необходимо использовать сразу после срезания со ствола растения, разрезав вдоль и приложив к фурункулу. С аналогичной целью можно использовать и печеную луковицу, разрезанную пополам.

Что будет если выдавить фурункул на попе

Выдавливать чирей в независимости от того, где он расположен, категорически воспрещается. Таким образом, вы удалите часть гноя, но процесс его образования и воспаления многократно ускорятся.

Использование же подручных средств несет риск занесения инфекции. Если выдавить фурункул, то высока вероятность получить фурункулез, и вместо одного фурункула ими покроется вся попа.

Фурункул на попе у детей

У детей очень часто появляются фурункулы на попе из-за переохлаждения а, также, несвоевременной смене подгузников.

Фурункул на попе у детей

Лечить фурункулы у детей нужно только после осмотра врача и следуя его рекомендациям. Также необходимо добавить в рацион питания витаминные комплексы и пивные дрожжи.

Рекомендуем прочитать

 

 

 

ЛОР clinic в г. Алматы

Что делать, если болит (воспаление) в ухе? Как вылечить наружный отит или фурункул в ухе? Причины, признаки, симптомы, диагностика, способы лечения.
Наружный отит — воспаление кожи наружного слухового прохода. Оно может быть:

1) ограниченным, вследствие воспаления волосяного фолликула (фурункул в ухе)
2) диффузным, когда в процесс вовлекается весь кожный покров слухового прохода.

Причины фурункула в ухе
Инфицирование кожи слухового прохода (в т.ч. грибковой флорой) происходит при самостоятельной чистке ушей, гнойном среднем отите, кожных заболеваниях, гриппе, купании в открытых водоёмах и др.
Развитию инфекции способствует также нарушение обмена веществ (сахарный диабет) и аллергические проявления в организме.

Симптомы
Наружный отит характеризуется выраженной болью в ухе, усиливающейся при жевании, надавливании на козелок.

При фурункуле в ухе боль может быть пульсирующей. Слух, как правило, не нарушен. Общее самочувствие не страдает.
При грибковом поражении кожи наружного слухового прохода — отомикоз, болевые ощущения могут сопровождаться творожистыми выделениями из уха беловатого цвета или с чёрными точками и интенсивным зудом.

Диагностика наружного отита
Диагностируется при  оториноларингологическом осмотре.
При наличии творожистых выделений делается мазок на наличие грибковой флоры.
Обязательным является определение глюкозы крови, повышение уровня которой может способствовать развитию отомикоза и фурункула.

Лечение наружного отита
Ограниченный наружный отит — фурункул уха лечится оперативным путем. После обезболивающего укола, проводится вскрытие, удаляются гнойные массы, накладывается небольшая повязка. Мы проводим эту операцию совершенно безболезненно, щадяще. Лечение наружного отита проходит в короткие сроки.
В остальных случаях лечение наружного отита проводится местными антибактериальными (в том числе и противогрибковыми) и противовоспалительными препаратами.

В случае выраженности воспалительного процесса при наружном отите, назначается общая антибиотикотерапия.
Для максимально быстрого снятия отёка и боли при наружном отите мы делаем высокоэффективные заушные обезболивающие и противовоспалительные блокады. А также проводим внутривенную противоотёчную капельную терапию, после которой наши пациенты «ощущают себя другими людьми».

Трамп ложно утверждает, что есть «лекарство» от COVID-19 в сообщении Facebook

Дональд Трамп снова распространяет опасную дезинформацию о коронавирусе как в Facebook, так и в Twitter.

Поздно вечером в среду президент опубликовал бессвязное видео в обеих социальных сетях, в котором он ложно утверждает, что существует «лекарство» от COVID-19. Чтобы быть ясным, по данным Всемирной организации здравоохранения, «не существует лекарств, которые были бы показаны для предотвращения или лечения болезни.«

Не говорите это Дональду Трампу, который только что выписался из больницы после своего собственного диагноза с этой болезнью, и сказал американской общественности не беспокоиться об этом. Говоря о коктейле из антител, который он получил в больнице, REGN- COV2, созданный фармацевтической компанией Regeneron, Трамп настаивал, что это был ответ на все наши молитвы.

«Это, я смотрю на них, я знаю, что они называют их терапевтическими, но для меня это не было терапевтическим, это просто улучшило меня, «он запнулся.» Хорошо? Я называю это лекарством.»

На случай, если вы не поняли, он продолжал рекламировать лечебные свойства лекарственного коктейля и настаивал на том, чтобы зрители не верили словам об обратном — предположительно, от медицинских работников.

» Но они, на мой взгляд, запомните это, они скажут, что они терапевтические, и я предполагаю, что они терапевтические — некоторые люди не знают, как определить терапевтическое — я смотрю на это иначе, — сказал президент. — Это лекарство.

Опять же. , в настоящее время не существует известного лекарства от COVID-19.

Твит мог быть удален

На момент написания этой статьи твит Трампа ретвитнули более 51000 раз. Его публикация в Facebook с видео собрала более 22 000 репостов.

Мы связались с Facebook и Twitter, чтобы определить, удалит ли какая-либо из компаний дезинформацию о COVID-19 или предпримет какие-либо действия, но не получили немедленного ответа. Facebook, в частности, наводнен дезинформацией о COVID-19.

СМОТРИ ТАКЖЕ: Трамп пишет в Твиттере: «Не бойтесь Covid», несмотря на 209000 американских смертей

Интересно, что CNN сообщает, что Трамп «недавно владел акциями Regeneron» и что генеральный директор компании был членом одной из групп Трампа. гольф-клубы.Так что да, наверное, там не на что смотреть.

А пока наслаждайтесь опасной дезинформацией о COVID-19, которую президент распространяет с помощью Facebook и Twitter.

Как вылечить блокировку Twitter

Марк Хэвеннер — менеджер по работе с клиентами в The Pollack PR Marketing Group, среднего размера, расположенного в Лос-Анджелесе, ориентированного на потребительские товары интегрированного агентства по связям с общественностью и маркетингу. Вот корпоративный блог. Вы можете написать Марку в Твиттере на @havenner.

Twitter может быть плохим.Один входит в систему, смотрит на это зловещее «Что ты делаешь?» вопрос и может подумать что я делаю? И у этого человека может не быть ответа. Сидишь там? Питьевая вода? Откладывать проект?

В поисках того, что обсудить, «Twitter заблокирован» может просматривать основной канал в поисках вдохновения.

Stanlopez забудьте об этом.

Covid Лэнс Армстронг сломал ключицу.

Xfdgg ТОП-10 СПОСОБОВ ПОЛУЧИТЬ 10000 ПОДПИСЧИКОВ ЗА ТОЛЬКО 1 НЕДЕЛЮ !!!!

Ronmalone Мой 12-летний сын отлично разбирается в Photoshop!

Xfdgg ТОП-10 СПОСОБОВ ПОЛУЧИТЬ 10000 ПОДПИСЧИКОВ ЗА ТОЛЬКО 1 НЕДЕЛЮ !!!!

Mikehilton Пора закрыть ноутбук.

Xfdgg ТОП-10 СПОСОБОВ ПОЛУЧИТЬ 10000 ПОДПИСЧИКОВ ЗА ТОЛЬКО 1 НЕДЕЛЮ !!!!

Ничего.

Твиттер-заблокированный может оглядываться по офису в надежде найти что-нибудь, о чем можно написать в Твиттере. Может быть, цвет стен или, может быть, насколько быстро остыл кофе. Ничего не щелкает.

Заблокированный Twitter обычно не использует Twitter, чтобы говорить о «кофе» или «сидеть там», вместо этого он / она использует Twitter для создания присутствия бренда.

Твиттер-заблокированный понимает, что бесконечные твиты о бренде не сработают и что необходима настоящая связь с сообществом Твиттера.Доверенная сеть позволяет строить конструктивные отношения, укрепляя тем самым бренд. Звучит просто, правда?

Но о чем твитнуть?

Когда у меня есть «Твиттер-блок», я прибегаю к своему личному C.R.A.S.H. формула:

Комментарий

Каждый раз, когда вы заходите в Twitter, пишите что-нибудь в Твиттере. Что-нибудь.

Это может быть Доброе утро, Twitter или Сажусь, чтобы начать свой день , или что-нибудь приятное.

Просто напишите.

Как только вы это сделаете, все остальное станет проще.

Самое сложное при заполнении пустой страницы — это написать первое предложение. Просто возьмите что-нибудь и будьте естественны. Твиттер не всегда занимается трансляцией вашего бренда; иногда можно просто поговорить. Случайный разговор укрепляет доверие в вашей сети и показывает, что бренд поддерживают реальные люди. Людям легче связаться с человеком, чем с логотипом или продуктом.

Ответить

Ответить кому-нибудь. Найдите твит и ответьте на него.

Это не обязательно должно быть шекспировское. Просто скажите что-нибудь вроде:

@neatfollower Хорошее замечание!

@hungryfollower Да, пицца сейчас звучит неплохо.

@Xfdgg Зачем мне 10 000 подписчиков?

Задайте вопрос

Задайте вопрос.

Вопрос может быть примерно таким: Как пройти Twitter-блок?

Или это может быть дискуссионный вопрос о вашей отрасли.

Или что-то личное, например, Что происходит со всеми вами сегодня?

Вопросы побуждают к разговору, и чем большему количеству людей вы отвечаете, тем больше разговоров развивается.

Регулярно проверяйте свои @ ответы и убедитесь, что вы не упускаете возможность связаться с кем-то.

Поделиться

Поделитесь чем-нибудь.

Напишите в Твиттере ссылку на блог, который вы читали, или ретвитните что-нибудь интересное, сказанное кем-то другим.

Вы можете загружать множество RSS-каналов в FriendFeed и легко размещать их в Twitter прямо оттуда. Вы даже можете привязать свой блог к ​​FriendFeed, чтобы он твитнул всякий раз, когда появляется новое сообщение. Существуют апплеты Twitter и приложения Firefox, которые помогут вам твитнуть, где бы вы ни находились.

Возьмите за привычку просто делиться тем, что вы нашли. Ретвиты со ссылками — это самый популярный вид твитов не зря. Большинство людей приходят сюда, чтобы искать новости и веб-сайты, и если вы публикуете интересные вещи, люди заметят вас больше.

Помощь

Помогите людям.

Используйте Twitter Search (или стороннюю поисковую систему, такую ​​как Monitter или любое из настольных приложений Twitter) и найдите разговоры, в которые вы можете внести свой вклад.

Ищите по своему опыту и сразу же дайте совет, помогайте людям, которые задают вопросы, и торгуйте своим умом.

Используйте хэштеги по своим темам, чтобы они охватили более широкую аудиторию, например:

Написание пресс-релизов полезно для вашего SEO! #PR #SEO

Когда вы используете хэштеги, твит появляется в ленте поиска Twitter, за которым следят многие люди.

Использование C.R.A.S.H. формула один раз в день делает вас ценным и полезным членом Twitter. Использование вашего собственного опыта и преимуществ вашего бренда на каждом из этих этапов повысит узнаваемость.Но самое главное, C.R.A.S.H. поможет вам избавиться от этого ужасного Twitter-блока.

— Подробнее на AriWriter | Следуйте советам по RSS или электронной почте | Twitter

   Â
Ссылка на исходное сообщение

Присоединяйтесь к нашему следующему чату #CureConnect Tweet Чат о жизни с раком

Сохраните дату! Мы приглашаем вас присоединиться к CURE для участия в следующем ежемесячном твите-чате #CureConnect в четверг, 24 сентября, в 13:00. EST, когда мы планируем обсудить жизнь с раком, от психического здоровья до лечения, боли, связанной с раком, и не только.

Каждый месяц мы проводим чат с твитами #CUREConnect, чтобы собирать вместе пациентов с онкологическими заболеваниями, выживших, адвокатов, лиц, осуществляющих уход, и поставщиков лечения для содействия сотрудничеству внутри сообщества. Чаты проходят в Твиттере в последний четверг каждого месяца, в 13:00. СТАНДАРТНОЕ ВОСТОЧНОЕ ВРЕМЯ.

Во время чата мы будем задавать следующие вопросы:

Психическое здоровье через лечение

Тревога и депрессия — распространенные проблемы, с которыми пациенты сталкиваются, живя с раком.Вы столкнулись с этими проблемами? И если да, то как вы с ними справляетесь?

Боль, связанная с раком

Во время лечения тревога и боль часто могут стать проблемой для больных раком. Как вы справляетесь с болью, связанной с раком или лечением?

Клинические испытания

Клинические испытания дают возможность опробовать экспериментальные методы лечения и продвинуть науку вперед. Что бы вы хотели знать больше о клинических испытаниях?

Здоровье и питание

Правильное питание может помочь пациентам с онкологическими заболеваниями справиться с побочными эффектами, связанными с лечением, и даже снизить риск рецидива, но при этом может быть трудно поддерживать здоровую диету.Какие у вас есть несколько советов или уловок, чтобы сохранить здоровый аппетит, пока вы живете с раком?

Рак и ваша карьера

Рак может повергнуть человека в хаос и на время отвлечь его от карьеры пациента. Если вы прошли курс лечения, как вам удалось найти баланс между раком и карьерой в жизни?

Никогда раньше не участвовали в чате с твитами? Это просто!

Как присоединиться к чату с твитом:

• Войдите в свою учетную запись Twitter в дату и время чата и выполните поиск по запросу «#CureConnect», чтобы найти беседу.Вы также можете выполнить поиск по журналу CURE и посмотреть вопросы в нашей ленте.
• Убедитесь, что вы фильтруете результаты поиска по «последним», чтобы увидеть вопросы и ответы других участников! — в реальном времени.
• Каждые несколько минут мы будем публиковать твиты с вопросами, на которые приглашаем вас ответить с помощью #CureConnect. Вы также можете присоединиться к обсуждению, просмотрев хэштег, чтобы увидеть другие ответы. Видите ответ, к которому хотите добавить? Ответьте #CureConnect!
• Не забывайте добавлять #CureConnect к каждому ответу, которым вы делитесь, чтобы другие могли видеть ваши твиты и общаться с вами в чате!

Увидимся в Твиттере!

В урагане твитов о коронавирусе Трамп рекламирует подозреваемое «лекарство»

Президент Дональд Трамп в понедельник выпустил шквал публикаций, распространяющих теории заговора о коронавирусе, критикуя Всемирную организацию здравоохранения за ее ранние сообщения, нападая на его политических врагов и СМИ, и продвижение сомнительной статьи, в которой предлагалось чудодейственное средство.

В более чем дюжине твитов и ретвитов, которые начались около полуночи, президент выразил обеспокоенность по поводу экономических потерь, которые болезнь наносит американской экономике, и предположил, что он может ослабить 15-дневные правила, которые Белый дом наложил на неделю. назад.

Трамп также предположил, что он поддержит решение премьер-министра Японии Синдзо Абэ относительно отмены Олимпийских игр в Токио, и выразил несогласие с освобождением некоторых заключенных из переполненных тюрем, что происходит в нескольких штатах в качестве меры предосторожности для общественного здравоохранения при низких затратах. правонарушители и пожилые люди.Сообщается, что в понедельник Абэ намекнул, что игры, возможно, придется отложить.

«МЫ НЕ МОЖЕМ ДОПУСТИТЬ ЛЕЧЕНИЕ ХУЖЕ, ЧЕМ ПРОБЛЕМА САМА», — написал Трамп в твите, опубликованном около полуночи в воскресенье. «В КОНЦЕ 15-ДНЕВНОГО ПЕРИОДА МЫ ПРИМЕМ РЕШЕНИЕ, КАК МЫ ХОТИМ ПОЙТИ!»

Затем президент ретвитнул или разместил в своем аккаунте несколько ответов, в том числе один от человека по имени Чак Каллесто, который был идентифицирован как «менеджер по цифровой недвижимости», предлагая возможное лекарство.

«Им следует СЕРЬЕЗНО ВЗГЛЯНИТЬ на это …» — написал Каллесто в твите, размещенном на президентском аккаунте, со ссылкой на статью с заголовком «ОТЧЕТ: французский врач сообщает о 100% излечимости с помощью лекарств от малярии. Корона вирус.»

Не существует известного лекарства или лечения от коронавируса, хотя мошенники пытались нажиться на панике, которую он вызвал. В воскресенье Министерство юстиции объявило, что оно предприняло свои первые действия в федеральном суде, чтобы остановить мошенничество, связанное с COVID-19, следуя указаниям генерального прокурора Уильяма Барра о приоритетности судебного преследования незаконных действий, связанных с пандемией.

Министерство юстиции заявило в пресс-релизе, что рекомендует американцам игнорировать «предложения вакцины, лекарства или лечения COVID-19. Помните, что если вакцина станет доступной, вы не услышите об этом впервые через электронная почта, онлайн-реклама или незапрашиваемые коммерческие предложения «.

Белый дом и Центры по контролю и профилактике заболеваний не ответили на запросы о комментариях к сообщениям президента в Twitter.

В других сообщениях, включая твиты и ретвиты, президент атаковал бывшего вице-президента Джо Байдена, кандидата от Демократической партии на пост президента, а также The New York Times, ВОЗ и Китай, которые, как он предположил, манипулировали данные о здоровье.

В нескольких сообщениях президент высказал предположение, что он хочет смягчить правила, касающиеся коронавируса, которые Белый дом ввел на прошлой неделе, на 15-дневный период, который закончится в следующий вторник.

После первоначального сообщения, написанного заглавными буквами, президент ретвитнул ряд сообщений, предполагающих, что будущие рекомендации Белого дома будут предусматривать изоляцию только групп высокого риска.

«Сглаживайте кривую, а НЕ экономика», — написал в ретвиттере президент.

Действующие федеральные правила, которые отличаются от обязательных ограничений, установленных рядом штатов, призывают людей не собираться группами более 10 человек, избегать дискреционных поездок и воздерживаться от обедов и напитков в ресторанах, бары и фудкорты.

Десятки миллионов американцев остаются в условиях виртуальной изоляции из-за действий на уровне штатов по закрытию предприятий и удержанию людей в закрытых помещениях. Калифорния и Нью-Йорк, самые густонаселенные штаты страны, фактически приостановили свою экономику.

Буря твитов президента началась, когда коронавирус превысил 350 000 подтвержденных случаев заражения по всему миру, а число погибших превысило 15 000. По данным ВОЗ, во всем мире за последнюю неделю число случаев заболевания увеличилось вдвое, а количество смертей почти утроилось.

Эффект от болезни и меры по сдерживанию, призванные остановить ее, подорвали рынки, и ожидалось, что худшее произойдет. Ожидается, что еженедельные заявления о потере работы скоро достигнут рекордов, что значительно превосходит цифры, наблюдавшиеся во время рецессии 2008 года.

Твиты президента появляются в то время, когда администрация пытается найти адекватный ответ на распространение вируса. Официальные лица обеспокоены тем, что первые меры, к которым призвали эксперты общественного здравоохранения, могли быть слишком суровыми, и рассматривают отдельные руководящие принципы для наиболее пострадавших штатов Калифорния, Нью-Йорк и Вашингтон, сообщает NBC News.Руководящие принципы для других штатов могут потребовать возврата к бизнесу.

Трамп пытался обвинить Китай, где возник вирус, в заболевании, назвав его «китайским вирусом» вопреки рекомендациям чиновников здравоохранения в его администрации. В своих сообщениях в понедельник Трамп без доказательств предположил, что Китай распространяет ложную информацию о коронавирусе.

Он ретвитнул сообщение, отправленное его сыном Дональдом Трампом-младшим, продвигающее в консервативном издании Breitbart News статью с заголовком «ВОЗ распространяет ложную правительственную пропаганду Китая: коронавирус не заразен среди людей».

ВОЗ не ответила на запрос о комментарии.

Еще одно сообщение, ретвитированное на хронологию Трампа, спрашивает, почему люди должны принимать китайскую статистику здравоохранения «за чистую монету», учитывая ее сокрытие резни на площади Тяньаньмэнь.

Трамп раскритиковал Китай во время своих публичных брифингов для прессы из Белого дома за то, что ранее не раскрыл информацию о вирусе, хотя он также выразил сочувствие сильно пострадавшей стране и президенту Си Цзиньпину.

«Китай прошел через ад из-за этого.Они прошли через ад. И я разговаривал с президентом Си. Я просто хотел бы, чтобы они сказали нам раньше. Они знали, что у них были проблемы раньше «, — сказал Трамп на брифинге в субботу.

Исчезающих твитов Twitter, называемых Fleets, теперь доступны для всех

Twitter во вторник объявил о глобальном запуске «Fleets», функции эфемерных твитов, о которой он впервые объявил ранее в этом году и протестирован на различных рынках по всему миру.

Теперь любой мобильный пользователь Твиттера, независимо от того, где он живет и на какой платформе находится, будет иметь доступ к функции исчезающих сообщений, которая будет находиться прямо в верхней части временной шкалы в ряду пузырей, похожих на истории.

Twitter надеется, что новая функция поможет снизить давление вокруг твитов, позволяя пользователям выражать более случайные мысли и чувства, а также меньше беспокоиться о себе, говоря что-то глубокое или набирая лайки и ретвиты. Компания заявляет, что сегодня Fleets начинает развертываться на Android и iOS и будет доступна для всех в ближайшие дни.

То, что вы не писали в Твиттере, но хотели, но не сделали, но подошли так близко, но потом были как нет.

Теперь у нас есть для этого место — флот!

Выполняется для всех с сегодняшнего дня.pic.twitter.com/auQAHXZMfH

— Twitter (@Twitter) 17 ноября 2020 г.

«Благодаря нашим тестам в Бразилии, Италии, Индии и Южной Корее мы узнали, что Fleets помогает людям чувствовать себя более комфортно, присоединяясь к беседе — мы видели, как люди с Fleets больше общались в Твиттере», — объясняют директор по дизайну Джошуа Харрис и менеджер по продукту Сэм Хавсон. сообщение в блоге. «Новички в Twitter обнаружили, что Fleets — это более простой способ поделиться тем, что у них на уме. Поскольку они исчезают из поля зрения через день, Fleets помогает людям чувствовать себя более комфортно, делясь личными и случайными мыслями, мнениями и чувствами.”

Twitter считает, что Fleets ослабит давление публикации

На самом базовом уровне Fleets — это клон Stories, позаимствовавший все лучшие идеи, реализованные в Instagram и Snapchat. Вы можете делиться текстом, отвечать на чужие твиты или публиковать видео с тем же цветом фона и параметрами наложения текста, которые вы получаете в других приложениях для обмена сообщениями с эфемерными функциями, при этом каждое сообщение исчезает через 24 часа. Вы также можете ответить на флот других, нажав на один и отправив прямое сообщение или эмодзи создателю, который запустит разговор в DM, аналогичный тому, как работает процесс ответа истории в Instagram.Twitter сообщает, что в будущем он также представит стикеры и будет вести прямые трансляции. Однако вы не можете поставить лайк или ретвитить флот.

Прямо сейчас компания заявляет, что не будет индикатора, если кто-то сделает снимок экрана одного из ваших флотов, и любой, кто последует за вами, сможет увидеть, какой у вас флот, посетив ваш профиль, если они не сразу увидят ваш пузырек вверху. график.

Так что неправильно думать о Fleets как о универсальном средстве против культуры возмущения в социальных сетях или склонности платформы направлять большое количество индивидуальных действий на одну цель — то, что мы в просторечии называем «согласованием», накоплением или отменой. или любое другое имя или фразу, которые вы хотели бы добавить, чтобы ненадолго превратиться в боксерскую грушу в Интернете.Кто-то все еще может сохранить то, что вы публикуете, для потомков, сделать репост сам и что-то сказать мне. В качестве альтернативы, если вы говорите что-то глупое, ничто не мешает другим распространить это через традиционный канал твитов через скриншоты и дальнейшие ретвиты этих скриншотов и критику вас.

Изображение: Twitter

Что Fleets, вероятно, поможет больше всего, по крайней мере, на первых порах, так это разделение огромного количества мнений, которые ежеминутно попадают в Twitter каждый день, на более удобоваримые форматы.Это может вызвать изменения в том, как мы общаемся на платформе. Несомненно, некоторые пользователи будут пытаться раздвинуть границы того, что можно сказать или показать во флоте, а не твитнуть. Твиттер обязательно столкнется с новыми проблемами модерации при принятии решения, писать ли новые правила или изменять существующие для борьбы, скажем, с преследованием или дезинформацией, появляющейся во Fleets.

Но большинство из нас может просто использовать Fleets, чтобы отправить одноразовую реакцию или горячий дубль, и позволить ему исчезнуть в пустоте, как и в любом случае большинство глупых мнений, точно так же, как Instagram Stories позволяет вам делиться неотшлифованными и (смею сказать) мимолетными фрагментами нашей повседневной жизни, которую не нужно оформлять или фильтровать до совершенства.

Неясно, вырастет ли версия историй для Твиттера

Это, конечно, при условии, что люди в Твиттере действительно хотят использовать эту функцию и на самом деле выполняют ее в любом значимом качестве. Часть великолепных историй о захвате социальных сетей, которые Snapchat непреднамеренно запустил более полувека назад, означала, что продукты и услуги, которые никогда не нуждались в эфемерных сообщениях, все равно получили их — от основного приложения Facebook до YouTube и даже LinkedIn. Клоны этих историй могут остаться, но они неизбежно станут городами-призраками.

Не сразу понятно, нужен ли Twitter собственный вариант Stories. Но если какая-либо платформа может извлечь выгоду из исчезновения сообщений, которые снижают ставки и способствуют, возможно, более здоровому и свободному от стресса общению, то это платформа социальных сетей, которую действующий президент США активно использует, чтобы подорвать результаты выборов. Если мы не сможем или не выйдем из системы в 2020 году, нам всем нужно немного расслабиться — и, возможно, мимолетность — один из способов сделать это и сделать Интернет более терпимым.

Присоединяйтесь к нашему чату, посвященному повторной авторизации транспорта!

Для хорошего и ценного рассмотрения, получение которого настоящим подтверждается, я предоставляю Американской кардиологической ассоциации («AHA») и ее правопреемникам, а также всем, кто им уполномочен, следующие неограниченные права и освобождение, все из которых могут осуществляться без географические, временные или другие ограничения: Что касается подачи историй, видео или цифровых записей, аудио или визуального характера, а также фотографий (совместно именуемых «Представленные материалы») для использования AHA, я настоящим освобождаю AHA от всех ответственность, и сделать следующие разрешения и заверения в связи с этим:

(a) Право записывать, фотографировать и / или иным образом использовать, производить, копировать, передавать по радио или телевидению, использовать в Интернете, распространять, демонстрировать и, если применимо, использовать мое подобие, голос, заявления, действия, позы, игры и выступления, а также все другие эффекты, возникающие в результате моих услуг по предоставлению Представленных материалов, при том понимании, что предоставленные права могут быть реализованы в любых и любых средствах массовой информации.

(b) Все мои права, титулы и интересы в отношении всех негативов, лент, прозрачных пленок, распечаток и репродукций Представленных материалов, включая все авторские права, право на авторские права на Представленные материалы в любой точке мира и право на их продление и право использовать, продавать, сдавать в аренду или лицензировать любое из вышеперечисленного, при этом подразумевается, что AHA имеет право вырезать, редактировать, изменять, интерполировать, перепрофилировать и иным образом изменять сюжет, а также разделять его на столько частей, сколько они желание, при котором каждая часть или комбинация частей презентации могут использоваться отдельно или вместе.

(c) Я заявляю и гарантирую, что информация, предоставленная AHA, является достоверной и точной, является оригинальной, не нарушает чьи-либо авторские права или другие права собственности, не является дискредитирующей и что я имею полное право и полномочия раскрывать и передать Историю или предоставить фотографии и / или видеозаписи в AHA.

(d) Настоящим я отказываюсь от всех сборов за повторное использование или других сборов, которые могут быть применимы к вышеуказанному предоставлению и освобождению.

(e) Настоящим я освобождаю, освобождаю от ответственности и соглашаюсь освободить и обезопасить AHA от любой ответственности или ущерба, который может возникнуть в связи с перевозками и / или разрешениями, указанными в этом соглашении.

Я заявляю и гарантирую, что я достиг совершеннолетия и имею право заключить вышеупомянутое соглашение об освобождении.

границ | Дискурс о Covid-19 в Твиттере: как темы, настроения, субъективность и образные рамки менялись с течением времени

Введение

Covid-19 был впервые официально зарегистрирован китайскими властями как вирус, возникший в городе Ухань, провинция Хубэй в Китае, 31 декабря 2019 года. Согласно официальным уведомлениям Всемирной организации здравоохранения (2020 г.), пока мы пересматриваем эту рукопись болезни заразил более 106 миллионов человек во всем мире, убив более двух человек.3 миллиона жизней.

Проблемы, связанные с развитием глобальной пандемии, являются сложными и сложными, поскольку они имеют глубокие последствия не только в медицинской, но и в социальной, экономической, политической и поведенческой областях. Хотя недавний выпуск различных типов вакцин предполагает, что мы, возможно, переживаем последние фазы этого кризиса в области здравоохранения, последствия такой продолжительной всемирной пандемии, безусловно, будут видны за пределами фактического прекращения чрезвычайной медицинской помощи и в различных аспектах наши жизни.

Онлайн-дискурс в Твиттере, в этом отношении, недавно привлек ряд публикаций, потому что тексты (твиты), найденные на этой платформе, считаются хорошим показателем общественного мнения и восприятия, связанных с пандемией, которой мы сейчас являемся. переживает (Bruns and Weller, 2016). Отсюда следует, что понимание и интерпретация такого дискурса, его эволюции во времени и его взаимозависимости с реальными событиями могут помочь нам понять, как люди концептуализируют глобальный кризис и реагируют на него.

В частности, понимание того, как темы, обсуждаемые в Твиттере в связи с изменением пандемии с течением времени, может иметь решающее значение для понимания того, какие аспекты кризиса считаются более значимыми и важными для населения (Zhou et al., 2020). В недавнем исследовании Wicke and Bolognesi (2020) проанализировали обсуждаемые темы в корпусе твитов, охватывающих 2 месяца (20 марта — 20 мая 2020 г.). Обсуждая свои выводы, авторы предполагают, что темы могут со временем меняться.Таким образом, добавление временной динамики к анализу тематического моделирования может дать более четкое представление о том, как пандемия обрабатывается в сознании выступающих и обсуждается в Твиттере.

Выявление полярности настроений твитов посредством анализа используемых в них слов может предоставить ценную информацию о том, как социальные меры, такие как запреты на поездки, социальное дистанцирование и т. Д., Были приняты населением во время первой волны. Увидев потенциальные изменения полярности настроений во времени и интерпретируя их в связи с крупными событиями и правительственными решениями, принятыми во время первой волны, может стать возможным предсказать, как подобные меры повлияют на нас сейчас, когда мы переживаем новую волну. .

Если твиты, содержащие язык, насыщенный аффективной информацией, скорее всего, выражают мнения, а не факты, то они, следовательно, скорее субъективны, чем объективны. Анализ количества эмоциональной информации (положительной или отрицательной), связанной с языком, используемым в твитах, может пролить свет на временную динамику общей субъективности твитов. Другими словами, можно будет наблюдать за распределением твитов, основанных на фактах, и на мнениях во времени (De Smedt and Daelemans, 2012).Этот тип анализа может служить интересным индикатором нашего желания сообщать, доверять и обсуждать факты и потенциально объективную информацию, а не мнения.

Наконец, понимание того, как конкретная концептуальная структура, используемая в дискурсе о Covid в Twitter, меняется с течением времени, может обеспечить другой тип косвенной оценки отношения людей к пандемии. В частности, предыдущие исследования показали, что различные деликатные темы, такие как рак, наркотики, преступность и эпидемии, обычно создаются с использованием широко распространенной метафорической структуры WAR (Flusberg et al., 2017; Thibodeau et al., 2017; Вик и Болоньези, 2020). Однако в некоторых случаях было доказано, что использование терминов, связанных с войной, для обсуждения деликатных тем отрицательно сказывается на людях, непосредственно затронутых обсуждаемой проблемой. Например, использование связанных с войной терминов для разговора о раке влияет на общее отношение пациентов к своему собственному заболеванию (Hendricks et al., 2018). И наоборот, использование альтернативных, более позитивных фреймов, таких как ПУТЕШЕСТВИЕ или ТАНЦЫ, может положительно повлиять на отношение пациентов и общее самочувствие.Поскольку предыдущая работа показала, что, вообще говоря, фрейм WAR особенно часто встречается в дискурсе о Covid-19 (Wicke and Bolognesi, 2020), мы исследуем, как распределение лексических единиц в этом образном фрейме меняется с течением времени, чтобы возможно, охватить и выразить темы, связанные с новыми этапами пандемии, во временной перспективе.

В соответствии с указанными выше переменными, вопросы исследования, рассматриваемые в этом исследовании, можно резюмировать следующим образом:

1.Какие темы обсуждаются в Твиттере в связи с Covid и как они меняются с течением времени по мере развития пандемии?

2. Какая валентность (полярность настроений) проявляется в твитах о Covid и как она меняется с течением времени?

3. Как субъективность твитов (т. Е. Фокусировка на мнениях по сравнению с фокусом на объективных фактах) меняется с течением времени?

4. Как использование повсеместного образного обрамления WAR меняется со временем?

Следуя изложенным выше вопросам исследования, мы сформулировали следующие гипотезы.

1. ТЕМЫ: Пандемия постоянно развивается и меняется. Темы обсуждения в Твиттере, вероятно, соответственно изменятся в соответствии с последними событиями, связанными с Covid-19. Поэтому мы прогнозируем, что разные тематические модели, основанные на разной степени детализации, будут отражать разные события, освещаемые СМИ и прессой, связанные с Covid-19.

2. ПОЛЯРНОСТЬ ПРЕДЛОЖЕНИЙ: Корпус твитов, по которым проводится текущий анализ, в основном содержит данные, подготовленные пользователями на американском английском и собранные в период с 20 марта (первый официальный день блокировки во многих штатах) по 1 июля 2020 года.По данным Всемирной организации здравоохранения (2020 г.), в этот период в США неуклонно росло число активных случаев заболевания. Поэтому мы ожидаем, что с течением времени негативные эмоции, связанные с твитами, возрастут.

3. СУБЪЕКТИВНОСТЬ: из-за развития пандемии и увеличения ежедневных случаев заболевания, а также (возможно) негативных чувств, возникающих в результате твитов, мы ожидаем, что твиты будут содержать все большее количество слов, наполненных аффективным содержанием.Отсюда следует, что по мере развития эпидемии мы ожидаем, что твиты будут все больше основываться на мнениях (наполненных эмоциями), а не на фактах (нейтральных).

4. Фрейм: У нас нет конкретной гипотезы в отношении этого исследовательского вопроса, но мы ожидаем увидеть возможные изменения в том, как фрейм WAR используется, чтобы говорить о вирусе. В частности, хотя такие слова, как «сражаться» и «война» могут по-прежнему часто использоваться, мы можем наблюдать, как новые слова в этом фрейме становятся обычным явлением в дискурсе Covid.Это предполагает, что лексические инструменты, используемые для создания дискурса Covid, были расширены и развиты, чтобы подтвердить центральность и повсеместность образного каркаса WAR.

Остальная часть статьи организована следующим образом: после краткого обзора связанной работы по этим темам мы переходим к рассмотрению каждого вопроса исследования по порядку, объясняя методы, результаты и обсуждение данных, относящихся к каждому анализу. Наконец, мы собираем все результаты вместе и даем окончательное общее обсуждение наших выводов.

Теоретические основы и сопутствующие работы

Информация, закодированная в коротких текстах, созданных частными пользователями Интернета в Twitter (твиты), дает полезные подсказки, которые в некоторых случаях могут использоваться экспертами. Все больше исследований, посвященных дискурсу социальных сетей, связанному с бедствиями и кризисами, основываются на Twitter. Йео и др. (2018), например, сообщили об исследовании дискурса в социальных сетях о наводнении в Южной Луизиане в 2016 году, в котором они использовали данные Twitter для создания сети ответных коммуникаций и демонстрации культурных характеристик этого дискурса.В более позднем исследовании Yeo et al. отслеживал темы, настроения и закономерности в лонгитюдных данных Twitter по одному и тому же явлению (Yeo et al., 2020). Благодаря этому анализу они представили обзор долгосрочного восстановления кризиса с учетом доминирующих голосов, настроений и количества участников. Авторы подчеркнули необходимость долгосрочного общения по восстановлению, использования социальных сетей и поддержки местного населения после стихийного бедствия. Пространственно-временной анализ рассуждений об урагане Мэтью в Твиттере был проведен Martín et al.(2017). Авторы провели временной анализ и отслеживали твиты о стихийных бедствиях в течение недели для разных штатов США, чтобы сопоставить расстояние до урагана с активностью в Twitter. С помощью детального анализа они смогли наблюдать за эвакуированными и путевыми данными во время развития этого бедствия, что позволило им проверить соблюдение правил эвакуации.

Что касается предыдущих эпидемий, лингвистические данные, извлеченные из Twitter, коррелировали с фактическим распространением вируса, показывая, что количество твитов, в которых обсуждались симптомы гриппа, предсказывало официальную статистику о распространении вируса, например, опубликованные Центрами по заболеваниям. Контроль и профилактика и Агентство по охране здоровья (Culotta, 2010).Количественный анализ лингвистических данных проводился во время развития различных типов заболеваний, чтобы добывать информацию, которую пользователи Интернета кодируют на языке, во время медицинских кризисов, таких как лихорадка денге в Бразилии (Gomide et al., 2011), болезнь Зика ( Wirz et al., 2018; Pruss et al., 2019), вспышка кори в Нидерландах в 2013 году (Mollema et al., 2015) и совсем недавно эпидемия коронавируса (Wicke and Bolognesi, 2020).

Темы

В связи с распространением вируса Зика в 2015 году Миллер и его коллеги (Miller et al., 2017) использовали комбинацию обработки естественного языка и методов машинного обучения для определения распределения тем по четырем характеристикам вируса Зика: симптомы, передача, профилактика и лечение. Авторы сообщили о наиболее устойчивых опасениях или заблуждениях относительно вируса Зика, извлеченных из корпуса твитов, и представили сложную карту тем, которые возникли в результате анализа. Например, в отношении предотвращения распространения вируса они наблюдали появление следующих тем: необходимость контроля и предотвращения распространения, потребность в деньгах, способы предотвращения распространения, счет для получения средств и исследования.В другом исследовании Pruss et al. (2019) представили кросс-лингвистический анализ дискурса вокруг вируса Зика, основанный на корпусе твитов на трех разных языках (испанском, португальском и английском). Используя многоязычную тематическую модель, авторы определили ключевые темы для обсуждения на разных языках и их распространение, продемонстрировав, что вспышка вируса Зика во всем мире обсуждалась по-разному. Вместо этого Лазард и его коллеги проанализировали темы, связанные со вспышкой лихорадки Эбола в 2014 году и, в частности, после того, как на территории США был диагностирован случай лихорадки Эбола.Авторы сообщили, что основными темами, вызывающими беспокойство у американской общественности, были симптомы и продолжительность жизни вируса, передача и распространение болезни, безопасно ли путешествовать и как они могут защитить себя от болезни. В параллельном исследовании Тран и Ли (2016) построили модели распространения информации, связанной с Эболой, для извлечения информации, закодированной в твитах об Эболе, и исследовали, как такая информация распределяется по следующим шести темам: 1. Случаи Эболы в США, 2 .Вспышка Эболы в мире, 3. Страх и молитва, 4. Распространение Эболы и предупреждение, 5. Шутки, ругательства и неодобрение шуток и 6. Влияние Эболы на повседневную жизнь. Авторы обнаружили, что вторая тема имела самый низкий фокус, а пятая и шестая — самая высокая. Наконец, в недавнем исследовании Park et al. (2020) предлагают тематический анализ, связанный с дискурсом вокруг Covid в Твиттере, анализируя корпус индийских, южнокорейских, вьетнамских и иранских твитов во временной перспективе. Авторы сообщают о некоторых культурных различиях, показывая, что в Иране и Вьетнаме, в отличие от Южной Кореи, количество твитов не коррелировало с датами конкретных событий, происходящих в этих странах, которые использовались авторами в качестве исходных.В ходе временного анализа они сообщают, что официальные данные о фазах эпидемии, опубликованные правительствами, не соответствуют тому вниманию, которое уделяется эпидемии в Интернете. Тем не менее, авторы сравнили сходство основных тем в этих странах с течением времени и обнаружили, что в Иране, Вьетнаме и Индии пик ежедневной тенденции твитов предшествовал пику ежедневных подтвержденных случаев. Это говорит о том, что твиты с майнингом могут помочь контролировать внимание общественности к распространению эпидемии.

Наконец, исследования на базе Twitter, в которых используются методы тематического моделирования или анализ настроений, начинают появляться в связи с дискурсом Covid.Однако, насколько нам известно, они используют существенно иную методологию. Эти работы включают анализ настроений с помощью классификаторов глубокого обучения (Chakraborty et al., 2020; Li et al., 2020), временной промежуток намного меньший (Abd-Alrazaq et al., 2020; Xue et al., 2020) и анализ конкретных эмоций без тематических моделей (Lwin et al., 2020; Mathur et al., 2020). Поскольку тематическое моделирование — это исследовательский, восходящий, управляемый данными метод интеллектуального анализа данных, мы считаем, что более широкий и исследовательский подход, который учитывает решения для моделирования нескольких тем и более длительный период времени, может обеспечить лучшее понимание тем. обсуждается пользователями Twitter с течением времени.

Полярность настроения

Многие из этих лингвистических исследований, основанных на дискурсе социальных сетей, направлены на изучение настроений населения, переживающего пандемию, путем понимания чувств людей к темам, связанным с болезнью. Например, Моллема и его коллеги обнаружили, что во время вспышки кори в Нидерландах в 2013 году многие пользователи Twitter были крайне разочарованы ростом числа граждан, которые отказывались делать прививки, в том числе по религиозным причинам.Вспышка кори в Нидерландах началась среди ортодоксальных протестантов, которые часто отказываются от вакцинации по религиозным причинам.

Основное различие между чувствами, наблюдаемыми в данном тексте, — это положительные и отрицательные чувства. Это измерение обычно определяется как эмоциональная валентность в когнитивной науке и когнитивной психологии и чаще определяется как полярность настроений в подполе машинного обучения, называемом анализом настроений. Исследование эмоциональной валентности, закодированной в твитах, использовалось в некоторых случаях для прогнозирования будущего поведения, например, чтобы предсказать, будет ли клиент использовать данную услугу во второй раз, при условии, что положительный отзыв, оставленный в Твиттере, будет подразумевают, что клиент может быть более склонен снова использовать эту услугу.В случае политических сообщений во время избирательных кампаний положительная обратная связь может коррелировать с поддержкой избирателями конкретного кандидата. В некоторых случаях, как указывается в недавних исследованиях, анализ социальных сетей во время кризисных ситуаций может использоваться для изучения общественного мнения в режиме реального времени и, таким образом, помогает властям получить представление о том, как быстро принять решение о наилучшей политике оказания помощи (Mathur et al. , 2020).

Временной анализ настроений, выраженных в данных Twitter, ранее проводился по множеству тем, включая Кубок Конфедераций ФИФА в Бразилии (Alves et al., 2014), изменения настроений избирателей во время выборов в США (Paul et al., 2017) и изменения настроений на ежемесячном, дневном и почасовом уровне в разных географических регионах (Hu et al., 2019).

Отзывы

Как предположил Лю (2010), факты — это объективные выражения о событиях, сущностях и их свойствах, тогда как мнения обычно являются субъективными выражениями, описывающими чувства, оценки, чувства по отношению к событиям, сущностям и их свойствам. Исследования по обнаружению субъективности, то есть различия между текстами, выражающими мнения, и текстами, выражающими факты, становятся все более центральными в различных областях, таких как информатика, журналистика, социология и политология (см. Chatterjee et al., 2018 для обзора). Причины такого интереса разнообразны. Есть вопросы, связанные с бизнесом, например, компании, заинтересованные в понимании того, имеют ли потребители твердое мнение о конкретном бренде или же они безразличны. Политика — это еще одна область, в которой многие используют данные, чтобы понять, вызывает ли конкретный кандидат мнения или оставляет избирателей равнодушными.

Различение текстов, основанных на фактах и ​​мнениях, в социальных сетях — это операция, обычно выполняемая разными типами аналитиков для достижения разных целей.Обнаружение текстов, основанных на фактах (таким образом, отфильтровывая тексты, основанные на мнениях), — это операция, которую могут выполнять аналитики, заинтересованные в обнаружении событий и сборе фактических данных, для автоматической и быстрой идентификации (например) последних новостей из социальных сетей. медиапотоки. И наоборот, обнаружение текстов, основанных на мнениях, в дикой природе — это операция, которая позволяет аналитикам фиксировать убеждения и чувства пользователей. Обычно это делают компании для разработки маркетинговых стратегий в отношении своего бренда.В обоих типах задач Twitter использовался как ценный источник лингвистических данных для анализа фактов и мнений (Li et al., 2012).

Обнаружение субъективности — одна из основных подзадач, связанных с анализом настроений (Chaturvedi et al., 2018). Прежде чем анализировать положительные и отрицательные чувства, присутствующие в корпусе текстов, необходимо отфильтровать те тексты, которые имеют нейтральную коннотацию, то есть те тексты, которые не являются субъективными (Liu, 2010). Обычно это делается для того, чтобы классификатор, который мог различать положительные и отрицательные чувства, обрабатывал только самоуверенную информацию.Тщательный обзор методов и проблем, связанных с различением фактов и мнений для анализа настроений, выходит за рамки данной статьи (но см. Обзор литературы в Chaturvedi et al., 2018). Следующая эвристика может резюмировать, как полярность субъективности и настроения связаны друг с другом: чем больше в тексте слов, наполненных (положительным или отрицательным) эмоциональным содержанием, тем больше этот текст, возможно, субъективен, поскольку он выражает личные мнения, убеждения и т. Д. и настроения по конкретной теме.И наоборот, тексты, содержащие нейтральные слова, не наполненные эмоциями, будут более информативными и объективными.

Обрамление

В когнитивной лингвистике и коммуникативных науках, и в частности в исследованиях метафор, публичный дискурс часто анализируется в связи с различными образными и буквальными коммуникативными рамками (Burgers et al., 2016). Фрейм здесь определяется как набор некоторых аспектов воспринимаемой реальности, которые вместе составляют точку зрения, с которой можно увидеть тему.Такая точка зрения «построена для содействия определению конкретной проблемы, причинной интерпретации, моральной оценки и / или рекомендаций по лечению описываемого элемента» (Entman, 1993. p. 53). В рамках этого определения обрамления метафоры могут использоваться для определения точки зрения на данную тему. В дискурсе, связанном со здоровьем, например, «военные метафоры» часто используются, чтобы говорить о болезнях и методах лечения. Например, в своей новаторской работе Зонтаг и Браун (1977) описали и раскритиковали популярное использование метафор войны для разговора о раке — теме исследования, недавно исследованной также Semino et al.(2017). Их аргументация предполагает, что использование военных метафор имеет негативные последствия для клинических пациентов (см. Также Hendricks et al., 2018). Тем не менее, военные метафоры широко используются и весьма условны из-за их способности обеспечивать очень эффективную структурную основу, которая может использоваться для общения на абстрактные темы, обычно характеризующиеся сильной негативной эмоциональной валентностью. Военные метафоры, как полагают Флусберг и др. (2017) опираются на базовые знания, которые есть у каждого, хотя для большинства людей это не знания, полученные из первых рук.Эти метафоры очень эффективно выражают срочность, связанную с очень негативной ситуацией, и необходимость действий, которые необходимо предпринять для быстрого достижения результата. Как недавно сообщили Вик и Болоньези (2020), этот кадр также часто используется для обсуждения Covid-19 в Твиттере. Как показывают авторы, фрейм WAR (и, следовательно, метафоры, связанные с войной) используется гораздо чаще, чем альтернативные образные фреймы, которые можно найти в дискурсе о Covid. Авторы также показывают, что наиболее часто используемые лексические единицы, связанные с формированием WAR, — это «борьба», «борьба», «битва» и «бой».«Это может быть связано со стадией пандемии, на которой проводилось исследование (пики первой волны, март – апрель 2020 г.). Как предполагают авторы, может случиться так, что разные этапы развития пандемии характеризуются различным использованием фреймов WAR по отношению к Covid. Например, может случиться так, что новые лексические единицы в рамках WAR будут часто использоваться для выражения аспектов социокультурной ситуации, которые ранее не существовали.Эта интуиция проверяется в настоящем исследовании, в разделе «Как образное обрамление WAR меняется с течением времени?»

Какие темы обсуждаются в Твиттере в связи с Covid-19 и как они меняются с течением времени с развитием пандемии?

Методы

Сбор данных

Twitter насчитывает около 152 миллионов активных пользователей по всему миру (Statista, 2020). С помощью общедоступных служб интерфейса прикладного программирования (API) платформа позволяет аналитикам добывать твиты, которые пользователи публикуют в Интернете, в соответствии с правилами конфиденциальности, установленными программистами платформы.Согласно официальной политике распространения Twitter, запрещено публиковать твиты и связанные с ними метаданные (имя пользователя, дата и т. Д.), А только идентификаторы твитов, идентификаторы пользователей и другая метаинформация.

На основе обширного ресурса идентификаторов твитов, собранных Ламсалом (2020), мы создали подкорпус твитов, связанных с Covid. Исходный набор данных идентификаторов твитов, собранных Ламсалом, содержит 3–4 миллиона твитов в день на английском языке, извлекаемых из Twitter на основе списка из 90+ ключевых слов, которые, возможно, связаны с Covid, таких как «корона», «коронавирус» или «пандемия.Этот ресурс содержит твиты и ретвиты, а также все твиты, созданные любым твитером. С целью создания сбалансированного, репрезентативного и вычислительно управляемого корпуса твитов, происходящих из этого обширного архива, мы отбирали 150 000 твитов в день из ресурса Ламсала. Из каждого образца мы оставили только один твит на пользователя и отбросили ретвиты. Сохранение только одного твита на пользователя позволило нам сбалансировать навязчивые твитеры и менее вовлеченных пользователей Twitter, тем самым сохранив репрезентативность и сбалансированность языка, используемого в Twitter, чтобы говорить о Covid.Результирующий корпус, в котором проводился текущий анализ, содержит 1 698 254 твита от отдельных пользователей (без ретвитов), созданных в период с 20 марта 2020 года по 01 июля 2020 года.

Тематическое моделирование

Реализованный анализ тематического моделирования основан на подходе, представленном Wicke and Bolognesi (2020), который использует скрытое распределение Дирихле (LDA) (Blei et al., 2003). Стандартный алгоритм LDA — это алгоритм машинного обучения без учителя, целью которого является описание выборок данных в терминах разнородных категорий.Поскольку алгоритм LDA не контролируется, аналитикам необходимо указать количество тем для моделирования. Например, если указать N = 4, каждый твит в корпусе получит вероятность принадлежности к одной из четырех категорий, автоматически определяемых алгоритмом. Категории определяются словами, которые наиболее часто встречаются друг с другом.

Конвейер обработки и моделирования можно резюмировать следующим образом:

• Удаление стоп-слов: самые распространенные английские слова, e.грамм. «А», «то», «но» отфильтровываются на основе установленных списков запрещенных слов (Stone et al., 2011; Wei et al., 2015; NLTK).

• Токенизация: с помощью токенизатора NLTK Tweet Tokenizer

• Выборка Гиббса: с помощью библиотеки Mallet (Rehurek and Sojka, 2010) для Gensim, чтобы применить выборку Гиббса в нашем обучении LDA.

• Количество тем: мы исследовали все решения тематического моделирования, начиная с номера темы N = 2, 3, 4… до N = 32, а затем — детализированное решение, N = 64.По критерию согласованности кластерных решений C _v (Syed, Spruit, 2017) мы сохранили лучшие решения.

Внутренняя согласованность тем оценивается методом локтя: все номера тем наносятся на график в зависимости от их внутренней согласованности, а выбранные решения — это те, в которых функция демонстрирует четкий изгиб, что позволяет предположить, что для следующего решения наклон согласованности значительно снизится. В рамках данного исследования мы стремились выбрать 4 различных кластерных решения, различающихся степенью детализации.Мы разделили данные на меньшее и большее количество тем, чтобы увидеть потенциальные различия, возникающие между широким анализом и более детальным анализом тем в нашем корпусе.

Временной анализ

На рис. 1 показаны этапы моделирования темы на основе корпуса твитов, связанных с Covid. 100 групп ежедневных твитов были введены в алгоритм моделирования темы, который обеспечивает распределение вероятностей для каждого твита, принадлежащего определенной теме.Результатом анализа временного моделирования является серия кластеров по каждой теме для каждого дня в корпусе. На основе этих временных распределений мы проводим анализ наблюдаемых закономерностей, совпадающих с событиями в новостях.

Рисунок 1 . Трубопровод обработки построенного корпуса. Этот корпус твитов следует по одному пути с этапами обработки, моделированием темы и выбором модели (синяя стрелка). На другом пути (зеленая стрелка) один и тот же корпус представлен моделям для создания четырех временных тематических анализов за 100 дней с разными разрешениями i.е., разные номера тем.

Результаты

Следуя конвейеру процесса, изображенному на рисунке 1, мы создали 32 модели LDA, каждая с разным количеством тем. Оценка меры когерентности C _v выявила изгиб функции для N = 20 (см. График кривой в репозитории платформы Open Science Framework OSF для этой статьи). В дополнение к этому мы выбрали модель, которая позволила более широкий анализ тем, следовательно, меньшее количество (более инклюзивных) тем.Основываясь на нашем предыдущем опыте тематического моделирования и функции значения согласованности, мы выбрали N = 12, вместе с N = 32 для мелкозернистого решения и N = 64, наше наиболее детализированное решение. Следует отметить, что сам алгоритм LDA включает в себя некоторую степень случайности, и поэтому он может получить разные модели, даже при обучении на одних и тех же данных. Тем не менее, наш выбор основан на оценке меры когерентности, чтобы уменьшить статистическую случайность.

Модель A ( N = 12), B ( N = 20), C ( N = 32) и D ( N = 64) хранятся в онлайн-репозитории OSF, где графики могут можно динамически исследовать с помощью интерактивного веб-сервиса, который мы создали с помощью pyLDAvis (Sievert and Shirley, 2014).

Чтобы уловить временную динамику, вовлеченную в дискурс, группы твитов, собранные для каждого из 100 дней (в среднем 12 598 твитов в день, после фильтрации корпуса на ретвиты и уникальных пользователей), были введены в моделирование тем. алгоритм.На рисунках 2–5 показаны четыре анализа, отображающие временную линию на горизонтальной оси, темы в виде различных хроматических оттенков на вертикальных осях, а доля твитов в каждой теме (день за днем) представлена ​​цветными областями. Ярлыки в легенде для каждой темы состоят из 3 или 4 самых важных слов в каждой теме. Они отображаются более крупным шрифтом в интерактивных версиях этих решений тематического моделирования.

Рисунок 2 . Временное развитие тем ( N = 12 тем, 100 дней).Интерактивная версия: https://bit.ly/3cfDq0V.

Рисунок 3 . Временное развитие тем ( N = 20 тем, 100 дней). Интерактивная версия: https://bit.ly/2FNACwb.

Рисунок 4 . Временное развитие тем ( N = 32 темы, 100 дней). Интерактивная версия: https://bit.ly/35RotkG.

Рисунок 5 . Временное развитие тем ( N = 64 темы, 100 дней). Интерактивная версия: https: // bit.ly / 3kx6XGo.

На рисунке 2 показан менее детализированный анализ тематического моделирования ( N = 12), который, вероятно, охватит более широкие и общие темы, связанные с дискурсом о Covid-19. На основании изменений в окрашенных областях можно сделать три основных наблюдения. На Рисунке 6 мы выделили эти три полосы, которые возникли примерно в первую неделю апреля, четвертую неделю апреля и четвертую неделю мая. События, связанные с пандемией, которые мы коррелируем с результатами тематического моделирования, основываются на официальных заявлениях, опубликованных Всемирной организацией здравоохранения (2020 г.).

Рисунок 6 . Событийный анализ развития темы N = 12. Выделены три диапазона (первая неделя апреля, четвертая неделя апреля и четвертая неделя мая), а возможные коррелированные события представлены в помеченных текстовых полях.

В первую неделю апреля мы наблюдаем изменение тем «стоп | правительство | деньги» и «год | чертовски | годы | месяцы». Мы интерпретируем это в связи с крупным событием, которое произошло 2 апреля: рекорд — 6.6 миллионов американцев подали иски о безработице. Как следствие, мы утверждаем, что первая неделя апреля оказала сильное влияние на мнение людей о продолжении / прекращении государственной финансовой помощи в течение следующих месяцев / года.

Четвертая неделя апреля показывает сильный рост по теме «маска | маски | вакцина | лицо». С этой темой связаны следующие дополнительные ключевые слова: «убить», «вылечить», «болезнь», «человек», «износ», «человек», «лечение», «носить», «тело», «наука», «Свет», «исследование», «смысл», «обычное дело» и «изучение».Сравнивая эту тему с новостями, опубликованными в прессе, кажется, что 23 апреля Дональд Трамп предположил (по иронии судьбы или нет), что коронавирус можно лечить с помощью инъекций дезинфицирующего средства или ультрафиолетового излучения. Вероятно, этот комментарий вызвал в Твиттере активную дискуссию о здравом смысле, науке и эффективном лечении (например, о масках, вакцинах, масках для лица).

Решение из 20 тем показывает следующие тенденции:

• В теме, помеченной как «дом | пребывание | изоляция», отображается большая часть твитов в марте; затем концентрация снижается и, наконец, снова возрастает в июне.Эти тенденции могут быть связаны с руководящими принципами «Оставайтесь дома», выпущенными ВОЗ 12 марта, обновленными и продленными 29 марта.

• В первой половине апреля наблюдается концентрация твитов в теме с пометкой «остановить | распространение | распространение». Мы интерпретируем это как реакцию на некоторые уведомления, выпущенные ВОЗ, такие как подтверждение более 1 миллиона случаев COVID-19, зарегистрированных 4 апреля 2020 года, обновленное руководство по использованию масок 6 апреля и публикация проект ландшафта вакцин-кандидатов от COVID-19 11 апреля.В связи с этим повышенная концентрация твитов в теме с пометкой «положительный | пациенты | тест» примерно в конце апреля / начале мая может быть связана с тем, что в этот период США стали первой страной в мире. мир поразит 1 млн случаев.

• В начале апреля наблюдается значительная концентрация твитов по теме «борьба | Индия | страна». Именно тогда вирус начал экспоненциально распространяться в этой стране.

• Увеличение количества твитов в теме, помеченной ключевым словом «narendramodi» (Нарендра Моди — премьер-министр Индии), можно наблюдать примерно в первой половине июня, когда распространение вируса в этой стране было особенно быстрым, а Премьер-министр часто появлялся в СМИ с сообщениями, связанными с пандемией.Более того, в начале июня он провел саммиты с властями Франции и США. Наконец, еще один пик можно наблюдать около 28 июня. Мы интерпретируем это как ожидание крупного события, которое произошло 30 июня, когда Моди обратился ко всей стране с решительным посланием, объяснив, что люди стали более безответственными и небрежными в отношении рекомендаций по профилактике COVID-19 с момента начала их первого «Разблокировать 1.0».

• В теме с пометкой «Трамп» показаны три основных пика твитов, 24 и 26 апреля, а также 21 июня.Первые две даты соответствуют дням, которые последовали за заявлением Дональда Трампа, в котором он высказал идею (по иронии судьбы) о приеме дезинфицирующих средств в качестве потенциального лечения от коронавируса. Последняя дата соответствует дате, когда он провел свой первый предвыборный митинг с начала карантина в связи с коронавирусом в США, на глазах у меньшей, чем ожидалось, толпы в Талсе, штат Оклахома.

• Наконец, к концу мая становится особенно актуальной критическая тема, ранее не задокументированная в решении N = 12.Эта тема помечена как «жизни | пандемия | полиция», и ее внешний вид совпадает с убийством афроамериканца Джорджа Флойда сотрудниками полиции. Далее это описывается в отношении наиболее детального тематического решения, N = 64.

Мы также отмечаем несколько скоплений твитов 18 мая в темах, обозначенных, соответственно, как «видео | Youtube | смотреть | в прямом эфире» и «open | house | week | close», для которых мы не смогли идентифицировать ни одного конкретное событие, которое может быть связано с этой конкретной датой.

Кластерное решение N = 32, которое является более детализированным, чем предыдущие решения, описанные выше, отображает несколько интересных тенденций в дополнение к тем, которые были выявлены в результате предыдущих анализов:

• Пик твитов по теме «правительство | государство | контроль» может быть отмечен 18 мая, что может предшествовать за пару дней официальному объявлению CDC (вероятно, просочившемуся прессой за несколько дней до его официального релиза). Этот пик совпадает с введением Системы смягчения последствий для сообществ, которая включает обновленные рекомендации для сообществ, школ, рабочих мест и мероприятий по смягчению распространения COVID-19.Это также связано с пиком темы «вакцина | лечение | болезни», наблюдавшимся 19 мая.

• Пик твитов на тему «гребаный | дом | глупый» наблюдается 1 апреля, когда ВОЗ выпустила отчет с конкретными рекомендациями по общественному здравоохранению и социальным мерам в связи с пандемией COVID-19.

• Значительное увеличение количества твитов по теме «социальная | маска | дистанцирование», наблюдавшееся в июне, одновременно с постепенным повторным открытием различных стран и необходимостью напоминать людям о необходимости соблюдать безопасную дистанцию.

Наконец, разработка темы N = 64 обеспечивает наиболее детальный анализ тем. Они представлены на Рисунке 7. Здесь можно заметить, что многие события, уже упомянутые в предыдущих анализах, также фиксируются этой моделью. Более того, более подробный анализ показывает рост темы «Индия | распространение | индийский» в районе 31 марта в дополнение к пикам, наблюдаемым и описанным в предыдущих моделях. Примерно в это же время Индия и Пакистан активизировали свои усилия по отслеживанию контактов с участниками очага распространения коронавируса Таблиги Джамаат в Дели с более чем 4000 подтвержденных случаев.Поэтому мы рассматриваем эту особенность модели N = 64 как хороший пример тематического моделирования, охватывающего локальные события с большим количеством тем.

Рисунок 7 . Событийный анализ развития темы N = 64. Связанные события (белые прямоугольники) связаны с аномалиями, пиками в развитии темы (кружки). Фотография слева: Дональд Трамп разговаривает со сторонниками на митинге кампании (Фото: Гейдж Скидмор. Под общей лицензией CC A-SA 2.0.Ненасыщенный.) Фотография справа: протест Black Lives Matter (Фото: Кети Дюран @ketyduran).

Сосредоточившись на второй половине 100 дней, мы можем исследовать, как очевидно несвязанные темы входят в дискурс Covid-19. Например, в субботу, 23 мая, мы можем наблюдать рост числа тем с пометкой «мир | счастливый | надежда | отдых». При более тщательном изучении тематической модели мы определяем связанные тематические слова: «Аллах», «молись», «спаси», «благослови», «месяц» и «защити». Это может относиться к окончанию Рамадана и Ид аль-Фитр (праздника прекращения поста), так как это прямо коррелирует со словами «месяц», «молись», «аллах» и «благослови».«Эти темы на первый взгляд могут показаться не имеющими отношения к COVID-19. Однако они извлекаются из твитов, содержащих одно или несколько ключевых слов, связанных с COVID-19. Поэтому твитеры, вероятно, выразили некоторую связь между этими событиями и пандемией.

Наконец, 25 мая на видеозаписи ареста и убийства афроамериканца Джорджа Флойда, находящегося под стражей в полиции Миннеаполиса, показан момент, когда полицейский прижал его к земле на 8 минут 46 секунд.Это видео вызвало широкое осуждение и общенациональные протесты в США. На Рисунке 7, несмотря на большое количество отображаемых тем, мы можем четко наблюдать, как это событие повлияло на обсуждение пандемии COVID-19. 25 мая в теме «Полиция | протесты | убиты» очень много твитов. Наиболее важные слова в этой теме: «полиция», «протесты», «убитые», «мертвые», «протест», «тысячи», «убийства», «массовые», «беспорядки» и «протесты». Хотя может показаться, что эта тема связана с другим набором событий, стоит помнить, что все твиты, по которым проводится анализ, демонстрируют ключевое слово, связанное с Covid-19 и его вариантами.В то же время график показывает рост по теме с пометкой «жизни | черный | человек | материя», что указывает на то, как движение Black Lives Matter (BLM) набрало силу после убийства Джорджа Флойда. Также эта тема обсуждается применительно к Covid-19.

Обсуждение

Тематический анализ показывает разные тенденции. Менее детальный анализ, основанный на ограниченном количестве тем ( N = 12), показывает макро-различие в темах обсуждения, где возникают общие темы.И наоборот, чем больше увеличивается количество тем, тем больше твиты разбиваются на более мелкие кластеры, которые более тематически связаны и, кажется, фиксируют более конкретные события, о которых сообщают СМИ и обсуждают пользователи Twitter. Также можно наблюдать совпадения в различных решениях тематического моделирования, при этом некоторые тенденции проявляются как в общих, так и в более детализированных тематических моделях. Тем не менее, мы показали, что множественный подход к разделению данных обеспечивает лучшее представление о тенденциях в данных.

Исследовательский характер подхода тематического моделирования позволяет аналитикам извлекать большие коллекции лингвистических данных по восходящей схеме, чтобы наблюдать тенденции использования языка, возникающие из аутентичных текстов. Однако следует признать, что ассоциация языковых тенденций с конкретными событиями, о которых сообщается в новостях, представляет собой процесс интерпретации, подверженный некоторой степени вариативности. Хотя мы основывали наши интерпретации на ключевых словах, взятых из тематических моделей, и на основных источниках информации, таких как веб-сайты ВОЗ и CDC, в принципе можно утверждать, что различные (но связанные) события, о которых сообщалось в СМИ, могли объяснить изменения. в темах, наблюдаемых с помощью нашего тематического моделирования.

Какая валентность проявляется в твитах о Covid-19 и как она меняется со временем?

Методы

Для каждого из 100 дней в нашем корпусе средняя полярность слов, используемых в твитах, оценивалась с помощью библиотеки TextBlob (Loria et al., 2014). Полученная оценка полярности представляла собой числовое значение в диапазоне [-1,0, 1,0], где -1,0 представляет собой очень негативное настроение, а 1,0 представляет собой очень позитивное настроение.

Анализ тональности TextBlob (ранее применявшийся к данным Twitter, см. Hawkins et al., 2016, Reynard and Shirgaokar, 2019) основан на библиотеке Pattern, в которой используется словарь прилагательных, помеченных вручную, со значениями полярности и субъективности (De Smedt and Daelemans, 2012).

После расчета оценок настроения мы определили наиболее подходящую функцию для описания изменения настроения, возникающего в результате распределения твитов с течением времени. Для этого мы начали с использования полиномиальной регрессии (f (x) = β0 + β1×1 + β2×2 +… + βNxN + ε, где ε — ненаблюдаемая случайная ошибка).В частности, мы выполнили обычную регрессию методом наименьших квадратов для возрастающей степени полинома, пока не объяснили значительную часть дисперсии данных со значительной уверенностью.

Результаты

На рис. 8 показаны средние значения полярности для каждого из 100 дней в корпусе. Линейная функция ( f ( x ) = 0,0622 — 0,0001 x ) может объяснить только 8,8% дисперсии данных ( R ² : 0,088, p > 0,003, F-статистика = 9.480). Поэтому мы смоделировали полиномиальную функцию второй степени (рисунок 8, изогнутая пунктирная черная линия) с f ( x ) = 0,0513 + 0,0006 x -0,000007 x ² . Предполагая, что эта нелинейная корреляция между временем и полярностью лучше подходит ( R ² : 0,356, p <0,001, F-статистика = 26,81) и объясняет 35,6% дисперсии. Примечательно, что более высокие полиномы обеспечивают даже лучшее соответствие, однако они не служат нашему исследованию для выявления простой тенденции и могут перекрывать наши данные.

Рисунок 8 . Средняя оценка полярности твитов за 100 дней. Подгоняемая полиномиальная регрессия для аппроксимации развития полярности во времени изображена пунктирной черной линией.

Как показано на рисунке 8, оценки настроений отображаются в виде перевернутой буквы U, что свидетельствует о том, что настроения, выраженные в твитах, становятся все более позитивными с начала нашего временного интервала до в среднем середины интервала (следовательно, с 20 марта по начало мая), а затем падают к отрицательному концу валентного спектра.

Обсуждение

Общая полярность настроений за 100 дней, возникающая из твитов в корпусе, слегка положительна (> 0). Полиномиальная регрессия показывает, что среднее настроение становится все более позитивным в течение первых 40 дней пандемии, тогда как во второй половине периода оно резко падает. Мы интерпретируем эту тенденцию следующим образом. В течение первого месяца пандемии общее отношение населения было несколько оптимистичным.Эти первые 40 дней относятся к последним 10 дням марта и всему апрелю. Многие страны в этот период находились в изоляции, и, несмотря на страх перед неизвестной ситуацией, позитивное отношение, даже если оно выражалось только устно в твитах, могло быть формой взаимного поощрения. Это период времени, когда начали появляться серии хэштегов с позитивным фреймом, таких как #StayHome, #FlattenThe Curve, #StayHomeSavesLives, которые побуждают людей принять сложную ситуацию и держаться крепче, чтобы вместе бороться с вирусом.Это тип отношения, выражаемый коллективным разумом, выходящим из Твиттера. Примером, который резюмирует это отношение, является следующий твит, который был анонимным в соответствии с правилами Твиттера:

«Наверное, к лучшему, не нужно, чтобы чьи-то грязные руки копались в них, распространяя вирус короны. #brightside » (20 марта 2020 г.)

Следует отметить, что во время этой первой фазы (март / начало апреля) финансовые и социальные последствия блокировки еще не были столь очевидными и действенными, как во второй половине 100 дней (май / июнь).Фактически, в более поздние сроки отношение в коллективном сознании населения существенно снизилось в сторону гораздо более негативной цели. Следующий твит иллюстрирует эту тенденцию (поляризованную в отрицательную сторону):

«Фигня !!! Наша страна является худшей в мире из-за пандемии из-за вас, а не Китая. Перестаньте обвинять всех остальных и пытаться избежать обвинений. Состояние нашей страны — это ваша вина и только ваша. УХОДИТЬ В ОТСТАВКУ!!!» (1 июля 2020 г.)

Эта тенденция к негативным настроениям, возможно, сигнализирует об изменении общего благосостояния населения по отношению к текущей пандемии.В соответствии с предыдущими исследованиями мы считаем, что отслеживание полярности настроений, выражаемых в социальных сетях, может быть полезно для практикующих здравоохранения и политиков. Они потенциально могут понять, какие меры будут наиболее эффективными, чтобы противостоять дегенерации общего благосостояния населения. Например, можно предположить, что ограничительные меры, такие как жесткая изоляция, введенная в период, когда общие чувства особенно негативны, могут привести к крайним и нежелательным индивидуальным и коллективным действиям.

В качестве оговорки к нашему анализу следует признать тот факт, что TextBlob (как и многие другие лексические подходы к анализу сантиментов) не отличает подлинно позитивные настроения от саркастических. Это открытая проблема в анализе настроений и серьезное узкое место в машинном обучении в целом, которым в настоящее время занимаются ученые, разрабатывающие инструменты для автоматического обнаружения сарказма и иронии (Ghosh and Veale, 2016, Reyes et al., 2013). Проблема иллюстрируется следующим твитом:

«Лучшая система здравоохранения в мире » (1 июля 2020 г.)

В то время как средняя полярность этого твита склоняется к положительной стороне, прагматика этого сообщения и использование конкретных смайлов, выражающих отрицательные эмоции, такие как скептицизм и разочарование, наводят на мысль о том, что пользователь проявляет саркастичность.Следовательно, твит нужно интерпретировать как эмоционально отрицательный. Настоящая полярность твита в этом случае передается смайликами, а не словесным текстом. Возможно, потребуется дальнейшее исследование, чтобы отделить действительно положительные твиты, связанные с пандемией, от твитов, содержащих саркастические комментарии по поводу текущей ситуации, которые, возможно, следует классифицировать как отрицательные, даже если в них есть слова, наполненные положительными чувствами.

Как субъективность твитов (т.е., фокус на мнениях или на объективных фактах) Изменится ли со временем?

Методы

Инструмент TextBlob для анализа настроений предоставляет оценку субъективности в дополнение к оценке полярности. Оценка субъективности находится в диапазоне [0,0, 1,0], где 0,0 — очень объективный (факты), а 1,0 — очень субъективный (мнения). Что касается предыдущего анализа, мы усредняли оценки субъективности за каждый день, а затем определили наиболее подходящую функцию для описания изменений в субъективности.Для этого мы использовали обычную регрессию наименьших квадратов для увеличения степени полинома до тех пор, пока функция не смогла объяснить значительную часть дисперсии данных со значительной достоверностью.

Результаты

Результат оценки субъективности за 100 дней показан на рисунке 9. Линейная регрессия оценок субъективности показала хорошее соответствие. Линейная регрессия f ( x ) = 0,3452 + 0,0003 x показала R ² = 0,69, F-статистика = 1.06e-26 и очень значимый p <0,0001, что означает, что около 69% изменчивости оценок субъективности объясняется прошедшими днями.

Рисунок 9 . Средняя оценка субъективности твитов за 100 дней. Соответствующая линейная регрессия для аппроксимации развития субъективности с течением времени изображена пунктирной черной линией.

Здесь мы сообщаем об образцовом твите, созданном 20 марта, который связан со значением 0 субъективности, что означает, что текст, скорее всего, выражает факты, а не мнения, и он является скорее объективным, чем субъективным:

«вещи, которые корона сделала с нами: заставила нас мыть руки, отменила сезон аллергии / кашель и чихание, люди думают, что мы одержимы» (20 марта 2020 г.)

Этот твит содержит в основном фактическую информацию, хотя и окрашен в довольно юмористический оттенок.Этот тип объективности можно сравнить со следующим твитом, также выпущенным 20 марта и также окрашенным юмористическим оттенком, в котором автор указывает другой тип последствий, связанных с Covid-19:

«парень только что написал мне и сказал:« Если корона не убьет тебя, могу я? » буквально худшее, что сделал коронавирус, — это разжигание ужасной флиртской риторики мужчин » (20 марта 2020 г.)

Последний твит — один из немногих примеров твитов, связанных с высокими показателями субъективности, созданных в начале нашего периода времени (20 марта).Сравнивая первый твит со вторым, становится ясно, почему первый твит имеет низкую субъективность: в то время как в первом случае Covid-19 связан с мытьем рук и предотвращением чихания (хотя отмена сезона аллергии является гиперболическим заявлением), Второй случай Covid-19 связан с разжиганием ужасной мужской флиртской риторики. Негативное суждение о конкретных методах флирта, возможно, является субъективным, и поэтому ответственность за него возлагается на Covid-19.

Пример твита, получившего средний балл по шкале субъективности (субъективность = 0.5), опубликованное 10 мая, в середине нашего временного интервала, выглядит следующим образом:

«Я хочу сказать, что Трамп, но Covid-19 представляет большую угрозу для мира» (10 мая 2020 г.)

В этом твите, как и в большинстве твитов, используется эллиптический язык, в котором слова и знаки препинания опущены. С прагматической точки зрения это открывает поле для различных возможных интерпретаций. На наш взгляд, этот твит имеет два значения: [1]. Трамп представляет большую угрозу для мира и [2]. Covid-19 представляет собой большую угрозу для мира, чем Трамп.Эти два значения выражаются лингвистически таким образом, чтобы твитер выстраивал довольно изощренную аргументацию. Во-первых, твитер внушает читателю, что она считает Трампа большой угрозой для мира. Она выражает это утверждение как мнение («Я хочу сказать…»). Затем твитер представляет вторую часть как напористое заявление (Covid-19 представляет собой большую угрозу для мира, чем Трамп). Здесь твитер хочет, чтобы читатель воспринял это утверждение как объективную фактическую информацию.В этой конструкции первое утверждение способствует построению воспринимаемой объективности, выраженной во втором утверждении. В результате средняя субъективность твита оценивается как средняя.

И, наконец, следующий пример твита, созданного 1 июля (конец временного интервала) и связанного с высоким значением субъективности (субъективность = 1):

«может быть, глупость — это уже существующее заболевание, которое делает вас восприимчивым к вирусу короны?» (1 июля 2020 г.)

В этом твите высокая субъективность обусловлена ​​тем фактом, что твитер вводит утверждение со словом «может быть», которое сигнализирует о возможности, что, в свою очередь, предполагает, что это мнение, а затем предлагает глупость (очень субъективная человеческая черта ) как ранее существовавшее состояние, возможно, связанное с Covid-19.

Обсуждение

Анализ субъективности, показанный на Рисунке 9, показывает, что с развитием пандемии пользователи Twitter, как правило, больше сосредотачиваются на собственном самоанализе и выражают все больше (субъективных) мнений, чем (объективных) фактов. Другими словами, субъективность твитов линейно возрастает в зависимости от времени, как мы и предполагали.

В совокупности с предыдущим анализом тенденции субъективности и полярности предполагают, что в начале пандемии пользователи Twitter были склонны общаться и полагаться на факты.Они выражали мало эмоционального содержания, которое изначально было в среднем отрицательным. Возможно, это характеризовалось чувством страха перед неизвестной ситуацией. За этим первоначальным негативом последовала положительная тенденция, совпавшая с мерами изоляции, характерными для нескольких англоязычных стран. В течение этих недель, несмотря на трудности, с которыми столкнулись многие семьи, вполне возможно, что чувство общности и потребность во взаимном поощрении побудили пользователей Твиттера публиковать твиты, которые в среднем имели более позитивный вес, чем те, что были опубликованы в предыдущие недели.Тенденция снова снизилась к отрицательному концу шкалы примерно в конце апреля, по май и июнь. Это явление происходит одновременно с постепенным возобновлением работы многих штатов (с середины апреля до середины июня). В эти теплые месяцы пандемия развивалась во многих англоязычных странах (особенно в США), и число активных случаев заболевания росло в геометрической прогрессии, показывая, что принятые меры изоляции принесли лишь временное облегчение. Этот отрицательный наклон полярности твитов сопровождается значительным увеличением субъективности и, следовательно, все большим количеством твитов, которые выражают мнения, личные убеждения и самоанализ, а не факты.

Как образное обрамление войны меняется со временем?

Методы

Чтобы понять, меняется ли использование фрейма WAR с течением времени, мы использовали список лексических единиц, связанных с войной, описанный в Wicke and Bolognesi (2020), который был создан с помощью веб-сервиса relatedwords.org и записи в репозитории MetaNet для « война.» Затем мы вычислили распределение терминов, связанных с войной, в нашем корпусе. Поскольку у нас было разное количество твитов в день, мы случайным образом отобрали 9500 твитов для каждого из 100 дней.Для каждой выборки из 9500 твитов мы подсчитали появление терминов войны. Наконец, мы рассмотрели, как условия войны в конкретных случаях менялись с течением времени.

С помощью регрессионного анализа мы описали распределение терминов, связанных с войной, во времени. Впоследствии мы определили три временных интервала, которые позволили нам исследовать различные события и их влияние на некоторые выбранные термины, связанные с войной. Были определены три интервала продолжительностью 30, 30 и 40 дней соответственно. Эти интервалы перекрываются с интервалами, которые характеризовали две пиковые волны инфекций, наблюдаемые на информационной панели ВОЗ по коронавирусным заболеваниям (covid19.who.int). В таблице 1 описаны интервалы и связанные даты. Принятая здесь методология была адаптирована из исследования, проведенного Damstra и Vliegenthart (2018).

Таблица 1 . Три выбранных интервала для подробного анализа корреляции между происшествиями и сроками, связанными с войной, за 100 дней.

Для отбора терминов мы создали две конструкции. Поскольку появление терминов, связанных с войной, в дискурсе COVID-19 следует распределению Ципфа (Wicke and Bolognesi, 2020), с одной стороны, мы рассмотрели только четыре наиболее часто встречающихся термина в качестве нашей первой конструкции, которую мы обозначили как . Самый распространенный .Сюда входят термины «борьба», «борьба», «война» и «нападение». С другой стороны, глядя на наиболее распространенные слова, встречающиеся в каждом из четырех временных интервалов, мы заметили, что связанные с войной термины «бунт», «насилие», «военные» и «солдаты», по-видимому, следовали разным временное распределение, чем другие термины. Следовательно, мы сгруппировали эти четыре термина во вторую конструкцию, обозначенную EventRelated . Затем мы проанализировали распределения этих двух конструкций с помощью двухстороннего статистического теста ANOVA, чтобы проверить различия между этими двумя переменными (временные интервалы, конструкции).Наконец, мы выполнили апостериорных t -теста с поправкой Бонферрони, чтобы проанализировать величину эффекта с использованием D Коэна, чтобы подтвердить наши интуитивные представления о распределении терминов, связанных с войной, по отношению к временной шкале.

Результаты

Общее количество отобранных твитов составляет 950 000 (100 дней с размером выборки 9500), а общее количество твитов с терминами, связанными с войной, составляет 53 214, что соответствует 5,60% от всех отобранных твитов. Линейная регрессия f ( x ) = 707.26 — 3,5379 x с R ² = 0,513, F-статистика = 103,1 и значимое значение p , показали, что около 51,3% изменчивости событий объясняется уходящими днями. Линейная регрессия (синяя пунктирная линия на рисунке 10) может лучше объяснить дисперсию данных, чем линейная модель событий со средним значением как константа (горизонтальная, черная пунктирная линия), при условии, что случаи равны в течение 100 дней ( см. рисунок 10).

Рисунок 10 .Появление терминов, связанных с войной, изо дня в день. Более яркие значения цвета указывают на большее количество вхождений. Три недостающих столбца на графике соответствуют трем недостающим датам из набора данных Ламсаля.

Результаты двухфакторного дисперсионного анализа показали значительные различия по всем временным интервалам и конструкциям переменных. Результаты представлены в таблице 2.

Таблица 2 . Результаты двухфакторного дисперсионного анализа для трех временных интервалов и двух конструкций.

Апостериорные -тесты показали значительные различия во всех тестируемых вариантах, за исключением одного случая, как показано в Таблице 3 (строка, выделенная жирным шрифтом).Тест оценивает контраст между конструкциями по временным интервалам. Разница в конструкциях независимо от временных интервалов показана в первой строке. Разница во временных интервалах независимо от конструкции показана в следующих трех строках. При этом контраст построений между временными интервалами показан в следующих строках. За исключением разницы между временным интервалом 2 и интервалом 3, независимо от конструкции, все остальные различия значимы с p <0.005. Примечательно, что D Коэна интерпретируется в направлении столбца A, где 0,2 считается малым, 0,5 - средним, а любое значение> 0,8 — большим размером эффекта.

Таблица 3 . Результаты апостериорного t -теста между построением и временными интервалами.

Распределение появлений во времени можно наблюдать для конструкции из самых общих терминов на рисунке 11. Там временные интервалы обозначены вертикальными черными линиями. На рисунке показано, как наиболее частые лексические записи во фрейме WAR («бой», «сражение», «война» и «атака») день за днем ​​используются в твитах о Covid.19. В целом частота использования со временем уменьшается. Распределение событий во времени для построения терминов, связанных с событием , можно наблюдать на Рисунке 12. Здесь пик частоты подсчитывается в третьем временном интервале для слов «бунт», «насилие», «военные», и «солдатики» кристально чистые.

Рисунок 11 . Появление четырех наиболее распространенных терминов, связанных с войной, в течение 100 дней: «борьба» (A) , «борьба» (B) , «война» (C) и «атака» (D ) .Эти четыре слова принадлежат конструкции MostCommon . Более яркие значения цвета указывают на большее количество вхождений. Вертикальные пунктирные линии обозначают разделение трех временных интервалов.

Рисунок 12 . Появление четырех наиболее распространенных терминов, связанных с войной, в течение 100 дней: «бунт» (A) , «насилие» (B) , «военный» (C) и «солдат» (D ) . Эти четыре слова принадлежат конструкции EventRelated .Более яркие значения цвета указывают на большее количество вхождений. Вертикальные пунктирные линии обозначают разделение трех временных интервалов.

Обсуждение

В предыдущем исследовании фреймов WAR во время пандемии COVID-19 было замечено, что примерно во время пика первой волны инфекций, между 20.03.20 и 02.04.20, около 5,32% всех твитов содержали связанные с войной условия (Wicke and Bolognesi, 2020). Для гораздо более длительного периода времени (20.03.20–01.07.20) мы теперь сообщаем о подобной тенденции: 5.60% твитов содержат термины, связанные с войной. Однако количество терминов, связанных с войной, в корпусе распределяется неравномерно. Широкое разделение наших данных на три теоретически мотивированных периода времени (описанных в таблице 1) показывает, что общее количество связанных с войной слов значительно различается по временным интервалам. В частности, общее количество терминов, связанных с войной, показывает свою самую высокую концентрацию в первом интервале, который мы идентифицировали с первым глобальным ростом инфекций. В этом интервале кадр WAR работал особенно хорошо, потому что идентификация врага была четкой и недвусмысленной.Чувство риска и неотложности ситуации было у всех на виду, равно как и страх и тревога, связанные с этим. Эти, согласно Flusberg et al. (2017) — это сопоставления, которые делают образный фрейм WAR заметным и эффективным во многих коммуникативных контекстах. Количество терминов, связанных с войной, существенно уменьшается во втором интервале, где наблюдается первое глобальное ослабление инфекций. В этой ситуации фрейм войны теряет свою значимость и эффективность. Наконец, в третьем интервале количество сроков, связанных с войной, снова значительно меньше, чем в предыдущем интервале.Однако этот интервал соответствует второму глобальному росту инфекций с наибольшим количеством новых инфекций ежедневно с начала пандемии. Поэтому весьма интересно наблюдать, что в течение этого периода фрейм WAR больше не поднимался, как вторая битва против (того же самого) врага. Это можно трактовать по-разному. Согласно одной интерпретации, фрейм WAR больше не подходил для коллективного разума. В этом смысле возможно, что предпочтительны альтернативные фигурные рамки.В другой интерпретации может случиться так, что фигурация в целом может больше не подходить, и люди предпочитают использовать буквальный язык. Настоящим мы даем возможное объяснение этому.

Глядя на наши данные, мы можем увидеть пик, связанный с войной, примерно в период с 25 мая по 15 июня 2020 года. На основе анализа тематического моделирования мы можем связать убийство Джорджа Флойда и протесты BLM с этим ростом войн. связанные термины в корпусе. Примечательно, что в то время как количество слов в конструкции MostCommon («борьба», «борьба» и «война») со временем уменьшается, количество слов в конструкции EventRelated (с конца мая до середины июня) резко возрастает.Это слова: «бунт», «насилие», «вооруженные силы» и «солдаты», как показано на Рисунке 12. Важно отметить, что эти слова не используются метафорически. Они используются в буквальном смысле в связи с протестами BLM, вызванными убийством Джорджа Флойда. Таким образом, в третьем интервале нашей временной шкалы буквальные бунты, солдаты и насилие были объединены с образными военными терминами, ранее использовавшимися для обсуждения пандемии. Следующие примеры показывают, как слова «бунт» и «насилие», которые представлены в списке лексических записей для фрейма WAR, используются в их буквальном значении в связи с Covid-19:

Ковид был инициатором беспорядков ^* .Бизнес закрыт … pre-covid, чтобы выйти из бизнеса … post-covid, так что во время беспорядков никого нет рядом. Забавно и странно требование масок в этих городах для прикрытия… это искаженная стратегия Левых / Демса, направленная на победу на выборах или перевороте »2 июля 2020 г.

«Думаю, мне нужно на время отключить Твиттер, моя лента просто полна бессмысленного насилия. #BlackLivesMatter, конечно, но мир временно забыл, что мы все еще боремся с глобальной эпидемией # Covid19 »2 июля 2020 г.

Учитывая жестокость, яркость и реальность буквальных событий, может случиться так, что переносное использование терминов войны потеряет (по крайней мере временно) свою действенность.Это открытые эмпирические вопросы, которые предстоит изучить в ближайшем будущем.

Общее обсуждение и заключение

В этой статье мы исследовали, как темы, эмоциональная валентность (полярность настроений), субъективность и использование слов, связанных с рамкой WAR, меняются с течением времени в дискурсе о Covid-19.

Мы представили серию качественных и количественных наблюдений в отношении изменений тем, основанных на тематических моделях, которые разделили наш корпус на различное количество кластеров.Мы показали, что более детальные решения могут охватывать темы, которые не проявляются, когда анализ выполняется в менее детализированном масштабе. Это довольно интересно, потому что, сообщая о наблюдениях за моделями, которые различаются по степени детализации, мы, возможно, смогли зафиксировать события, о которых сообщалось в международной, а также в национальной прессе. Значение наших результатов может быть актуальным и информативным для других исследований, в которых используется тематическое моделирование для изучения больших массивов данных.Фактически, многие исследования, как правило, представляют анализ, основанный на уникальном решении тематического моделирования, которое обычно охватывает небольшое количество тем (например, Lazard et al., 2015; Tran and Lee, 2016; Miller et al., 2017 ; Виджайкумар и др., 2017). Они могут упустить важную информацию, которая может быть получена с помощью более детальной тематической модели. В нашем случае более детальный анализ выявил изменения в дискурсе и появление новых тем, связанных с Covid, таких как текущие протесты, которые проходят в США, и показывает, что полиция и гражданские лица участвуют в беспорядках, вызванных протестом против социальной несправедливости и расовая дискриминация.

Анализ полярности выражаемых настроений и изменения субъективности во времени показал, что нынешняя пандемия по-разному повлияла на наши мысли в течение периода времени, рассматриваемого в этом исследовании (и, вероятно, все еще влияет и сегодня). С одной стороны, это подтолкнуло нас к более глубокому самоанализу и выражению убеждений и мнений, а с другой — вызвало негативные чувства. Наблюдаемый рост субъективности кажется особенно тревожным, потому что его можно интерпретировать как постепенную потерю доверия к данным, фактам и объективной информации, которую должна распространять пресса.В этом случае СМИ могут восприниматься как менее заслуживающие доверия. Эту тенденцию, однако, можно охарактеризовать с помощью средства, которое мы использовали для анализа наших данных: социальной сети Twitter. Недавно было показано, что фейковые новости распространяются в Twitter в шесть раз быстрее, чем настоящие (Vosoughi et al., 2018). Таким образом, это чувство беспомощности и скептицизма по отношению к новостям в Твиттере является обоснованным, а также может объяснить негативные чувства, которые все чаще характеризуют твиты о Covid на этой же платформе.Хотя эти наблюдения могут оставаться скорее исследовательскими, мы предлагаем следующее в качестве потенциального дальнейшего исследования: коррелируют ли растущая субъективность и возрастающая негативная полярность твитов отдельных лиц с постепенной потерей доверия к новостям, которые они читают на этой платформе?

Наконец, мы сообщили о диахроническом изменении способа использования фрейма WAR для описания Covid. Хотя наиболее часто встречающиеся слова в этом фрейме, а именно «борьба», «борьба», «война» и «атака» остаются наиболее частыми словами, используемыми в дискурсе Covid, в целом их относительная частота, кажется, уменьшается одновременно. с общим уменьшением рамок WAR по мере развития пандемии в проанализированные временные рамки.Мы предполагаем, что это может указывать на то, что рамка WAR, используемая для образного обозначения пандемии, не всегда может хорошо подходить для всех этапов ее развития. Более того, новые слова в рамках WAR стали часто использоваться в третьем анализируемом временном интервале, в котором мы наблюдали появление тем, связанных с беспорядками в США, последовавшими за убийством Джорджа Флойда. Лексические записи в кадре WAR, достигающие пика в этом интервале, отличаются от тех, которые достигают пика в других интервалах.В третьем интервале слова, связанные с войной, используются в их буквальном смысле. «Бунты», «насилие», «военные» и «солдаты» реальны. Они характеризуют реальные события, о которых сообщают в СМИ, и часто используются в твитах, размещаемых в течение этого третьего временного интервала, в корпусе твитов Covid. Хотя для подтверждения нашей интерпретации может потребоваться дальнейшее эмпирическое исследование, мы предполагаем, что, поскольку дискурс о Covid теперь характеризуется описанием событий, для которых слова в рамках WAR используются в их буквальном смысле, то это может способствовать общему снижению метафорического использования терминов, связанных с войной.

Заявление о доступности данных

Данные для этого исследования можно найти в Open Science Framework (OSF) по адресу https://osf.io/v523j/?view_only=63f03e24d48c4d58af1793e0f04ce28b.

Заявление об этике

Письменное информированное согласие не было получено от лица (лиц) на публикацию потенциально идентифицируемых изображений или данных, включенных в эту статью.

Авторские взносы

PW и MB внесли свой вклад в концепцию и дизайн исследования.PW собрал данные, организовал базу данных и выполнил статистический анализ. МБ отвечает за написание вводных разделов, теоретической подготовки и сопутствующей работы, результатов, в которых темы обсуждаются в Твиттере в связи с Covid-19 и как они меняются с течением времени с развитием пандемии? Twitter в отношении Covid-19 и как они меняются с течением времени с развитием пандемии? обсуждение того, какая валентность возникает из твитов о Covid-19 и как она меняется со временем? обсуждение того, как субъективность твитов (т.е., фокусировка на мнениях или объективная ориентация на факты) меняется с течением времени ?, обсуждение того, как образное обрамление WAR меняется с течением времени? PW отвечает за написание методов разделов, в которых темы обсуждаются в Твиттере в связи с Covid-19 и как они меняются с течением времени с развитием пандемии? это со временем изменится ?. Приводится к тому, какая валентность возникает из твитов о Covid-19 и как она меняется с течением времени? Методы, определяющие, как субъективность твитов (т.д., фокусировка на мнениях или объективная фокусировка на фактах) меняется с течением времени? время ?, Методы того, как образное обрамление WAR меняется с течением времени ?, Результаты в том, как образное обрамление WAR меняется с течением времени ?. Результаты Какие темы обсуждаются в Твиттере в связи с Covid-19 и как они меняются с течением времени с развитием пандемии? и общее обсуждение и заключение были написаны вместе авторами, которые исправили и одобрили представленную версию.Все авторы внесли свой вклад в статью и одобрили представленную версию.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Авторы хотели бы поблагодарить Йоханнеса Визнера и Кристиана Бюргерса за их советы по статистическому анализу.

Сноски

Список литературы

Абд-Альразак, А., Алхувайл, Д., Хаус, М., Хамди, М., и Шах, З. (2020). Основные опасения твитеров во время пандемии COVID-19: исследование по информационному надзору. J. Med. Int. Res. 22: e19016. DOI: 10.2196 / 19016

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Алвес, А. Л. Ф., де Соуза Баптиста, К., Фирмино, А. А., де Оливейра, М. Г., и де Фигейридо, Х. Ф. (2014). «Временной анализ настроений в твитах: тематическое исследование Кубка конфедераций ФИФА в Бразилии», в книге International Conference on Database and Expert Systems Applications (Springer, Cham), 81–88.DOI: 10.1007 / 978-3-319-10073-9_7

CrossRef Полный текст | Google Scholar

Блей Д. М., Нг А. Ю. и Джордан М. И. (2003). Скрытое размещение дирихле. J. Mach. Учиться. Res. 3, 993–1022. DOI: 10.5555 / 944919.944937

CrossRef Полный текст | Google Scholar

Брунс А., Веллер К. (2016). «Twitter как первый набросок настоящего: и проблемы его сохранения для будущего», в Proceedings of the 8th ACM Conference on Web Science (Hannover), 183–189.DOI: 10.1145 / 21.24

CrossRef Полный текст | Google Scholar

Бюргерс К., Конийн Э. А. и Стин Г. Дж. (2016). Образное обрамление: формирование общественного дискурса с помощью метафор, гипербол и иронии. Commun. Теория 26, 410–430. DOI: 10.1111 / comt.12096

CrossRef Полный текст | Google Scholar

Чакраборти, К., Бхатия, С., Бхаттачарья, С., Платос, Дж., Баг, Р., и Хассаниен, А. Э. (2020). Анализ настроений твитов о COVID-19 с помощью классификаторов глубокого обучения — исследование, показывающее, как популярность влияет на точность в социальных сетях. Заявл. Soft Comput. 97: 106754. DOI: 10.1016 / j.asoc.2020.106754

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Чаттерджи, С., Дэн, С., Лю, Дж., Шан, Р., и Цзяо, В. (2018). Классификация фактов и мнений в сообщениях Twitter: подход, основанный на глубоком обучении. J. Business Analyt. 1, 29–39. DOI: 10.1080 / 2573234X.2018.1506687

CrossRef Полный текст | Google Scholar

Чатурведи И., Камбрия Э., Велш Р. Э. и Эррера Ф.(2018). Различение фактов и мнений для анализа настроений: опрос и проблемы. Информат. Fusion 44, 65–77. DOI: 10.1016 / j.inffus.2017.12.006

CrossRef Полный текст | Google Scholar

Кулотта, А. (2010). «На пути к выявлению эпидемий гриппа путем анализа сообщений Twitter», в Proceedings of the First Workshop on Social Media Analytics (Вашингтон, округ Колумбия: округ Колумбия, США), 115–122. DOI: 10.1145 / 1964858.1964874

CrossRef Полный текст | Google Scholar

Дамстра, А., и Р. Флигентхарт (2018). (Не) прикрытие экономического кризиса? Временные и межмедийные различия в значимости и обрамлении. Журналистские исследования , 19, 983–1003. DOI: 10.1080 / 1461670X.2016.1246377

CrossRef Полный текст | Google Scholar

Де Смедт, Т., и Делеманс, В. (2012). Выкройка для питона. J. Mach. Учиться. Res. 13, 2063–2067. DOI: 10.5555 / 2188385.2343710

CrossRef Полный текст | Google Scholar

Энтман Р. (1993).Обрамление: к прояснению раздробленной парадигмы. J. Commun. 43, 51–58. DOI: 10.1111 / j.1460-2466.1993.tb01304.x

CrossRef Полный текст | Google Scholar

Флусберг, С. Дж., Мэтлок, Т., и Тибодо, П. Х. (2017). Метафоры войны (или гонки) против изменения климата. Environ. Commun. 11, 769–783. DOI: 10.1080 / 17524032.2017.1289111

CrossRef Полный текст | Google Scholar

Ghosh, A., and Veale, T. (2016). «Фрэкинг сарказма с использованием нейронной сети», в материалах 7-го семинара по вычислительным подходам к субъективности, настроениям и анализу социальных сетей, (Сан-Диего, Калифорния).161–169. DOI: 10.18653 / v1 / W16-0425

CrossRef Полный текст | Google Scholar

Гомиде, Дж., Велозу, А., Мейра, В. мл., Алмейда, В., Беневенуто, Ф., Ферраз, Ф. и др. (2011). «Наблюдение за лихорадкой денге на основе вычислительной модели пространственно-временной локализации Twitter», Труды 3-й Международной конференции по веб-науке (Кобленц). 1–8. DOI: 10.1145 / 2527031.2527049

CrossRef Полный текст | Google Scholar

Хокинс, Дж. Б., Браунштейн, Дж.S., Tuli, G., Runels, T., Broecker, K., Nsoesie, E.O., et al. (2016). Измерение воспринимаемого пациентами качества обслуживания в больницах США с помощью Twitter. Безопасность качества BMJ 25, 404–413. DOI: 10.1136 / bmjqs-2015-004309

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хендрикс, Р. К., Демьен, З., Семино, Э., и Бородицкий, Л. (2018). Эмоциональные последствия метафоры: последствия создания метафоры для мышления о раке. Метафора. Символ 33, 267–279.DOI: 10.1080 / 10926488.2018.1549835

CrossRef Полный текст | Google Scholar

Ху, Т., Ше, Б., Дуань, Л., Юэ, Х. и Клунис, Дж. (2019). Систематический пространственный и временной анализ настроений в геотвитах. Доступ IEEE 8, 8658–8667. DOI: 10.1109 / ACCESS.2019.2961100

CrossRef Полный текст | Google Scholar

Лазард, А. Дж., Шейнфельд, Э., Бернхард, Дж. М., Уилкокс, Г. Б., и Суран, М. (2015). Выявление тем, вызывающих общественное беспокойство: анализ текстового анализа живого чата Twitter Центров по контролю и профилактике заболеваний Эболой. Am. J. Infect. Контроль 43, 1109–1111. DOI: 10.1016 / j.ajic.2015.05.025

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ли, И., Ли, Ю., Ли, Т., Альварес-Напагао, С., и Гарсия, Д. (2020). Что нас расстраивает, когда мы говорим о Covid19: анализ психического здоровья твитов с использованием обработки естественного языка. Препринт arXiv arXiv: 2004.10899 . Доступно в Интернете по адресу: https://arxiv.org/abs/2004.10899 (дата обращения: 9 января 2021 г.). DOI: 10.1007 / 978-3-030-63799-6_27

CrossRef Полный текст | Google Scholar

Ли Р., Лей К. Х., Хадивала Р. и Чанг К. К. С. (2012). «Tedas: система обнаружения и анализа событий на основе твиттера», , 2012 г., 28-я Международная конференция IEEE по инженерии данных, . 1273–1276. Арлингтон, Вирджиния: IEEE. DOI: 10.1109 / ICDE.2012.125

CrossRef Полный текст | Google Scholar

Лю Б. (2010). «Анализ настроений и субъективность», в Handbook of Natural Language Processing Vol.2 , ред. Н. Индуркхья и Ф. Дж. Дамерау (Нью-Йорк, Нью-Йорк: Чепмен и Холл / CRC), 627–666. DOI: 10.1201 / 9781420085938

CrossRef Полный текст | Google Scholar

Лориа С., Кин П., Хоннибал М., Янковский Р., Кареш Д. и Демпси Е. (2014). Textblob: упрощенная обработка текста. Secondary TextBlob: упрощенная обработка текста , 3.

Google Scholar

Lwin, M.O., Lu, J., Sheldenkar, A., Schulz, P.J., Shin, W., Gupta, R., et al.(2020). Глобальные настроения вокруг пандемии COVID-19 в Твиттере: анализ тенденций в Твиттере. Надзор за общественным здравоохранением JMIR 6: e19447. DOI: 10.2196 / 19447

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мартин Ю., Ли З. и Каттер С. Л. (2017). Использование Twitter для оценки соответствия требованиям эвакуации: пространственно-временной анализ урагана Мэтью. PLoS ONE 12: e0181701. DOI: 10.1371 / journal.pone.0181701

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Матур, А., Кубде, П., и Вайдья, С. (2020). «Эмоциональный анализ с использованием данных Twitter во время пандемической ситуации: COVID-19», , 2020 5-я Международная конференция по системам связи и электроники (ICCES) . Коимбатур: IEEE, 845–848. DOI: 10.1109 / ICCES48766.2020.9138079

CrossRef Полный текст | Google Scholar

Миллер М., Банерджи Т., Маппалла Р., Ромайн В. и Шет А. (2017). Что люди пишут в Твиттере о вирусе Зика? Предварительное исследование, посвященное его симптомам, лечению, передаче и профилактике. Надзор за общественным здравоохранением JMIR 3: e38. DOI: 10.2196 / publichealth.7157

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Mollema, L., Harmsen, I.A., Broekhuizen, E., Clijnk, R., De Melker, H., Paulussen, T., et al. (2015). Выявление болезней или отражение общественного мнения? Контент-анализ твитов, других социальных сетей и интернет-газет во время вспышки кори в Нидерландах в 2013 году. J Med Int Res. 17: e128. DOI: 10.2196 / jmir.3863

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Park, S., Han, S., Kim, J., Molaie, M. M., Vu, H. D., Singh, K., et al. (2020). Информирование о рисках в азиатских странах: обсуждение COVID-19 в Twitter. Препринт arXiv arXiv: 2006.12218 . Доступно в Интернете по адресу: https://arxiv.org/abs/2006.12218 (дата обращения: 9 января 2021 г.).

Google Scholar

Пол Д., Ли Ф., Теджа М. К., Ю X. и Фрост Р. (2017). «Компас: пространственно-временной анализ настроений на выборах в США, о чем говорит твиттер!» В материалах Труды 23-й Международной конференции ACM SIGKDD по открытию знаний и интеллектуальному анализу данных (Галифакс, NS).1585–1594. DOI: 10.1145 / 3097983.3098053

CrossRef Полный текст | Google Scholar

Прусс Д., Фуджинума Ю., Доутон А. Р., Пол М. Дж., Арно Б., Альберс Шафир Д. и др. (2019). Дискурс о вирусе Зика в Америке: многоязычный тематический анализ Twitter. PLoS ONE 14: e0216922. DOI: 10.1371 / journal.pone.0216922

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Рехурек Р., Сойка П. (2010). Программный фреймворк для тематического моделирования с большим корпусом.В материалах семинара LREC 2010 по новым вызовам для структур НЛП.

Рейес А., Россо П. и Виле Т. (2013). Многомерный подход к обнаружению иронии в твиттере. Language Resources Evaluat. 47, 239–268. DOI: 10.1007 / s10579-012-9196-x

CrossRef Полный текст | Google Scholar

Рейнард Д., Ширгаокар М. (2019). Использование возможностей машинного обучения: могут ли данные Twitter быть полезными при принятии решений о распределении ресурсов во время стихийного бедствия? Transportation Res.Часть D 77, 449–463. DOI: 10.1016 / j.trd.2019.03.002

CrossRef Полный текст | Google Scholar

Семино, Э., Демьен, З., Деммен, Дж., Коллер, В., Пейн, С., Харди, А. и др. (2017). Использование метафор «Насилие» и «Путешествие» в Интернете больными раком по сравнению с медицинскими работниками: исследование смешанных методов. BMJ Поддержка. Паллиативная помощь 7, 60–66. DOI: 10.1136 / bmjspcare-2014-000785

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Зиверт, К., и Ширли, К. (2014). «LDAvis: метод визуализации и интерпретации тем», в материалах семинара по интерактивному изучению языков, визуализации и интерфейсам (Балтимор, Мэриленд). 63–70. DOI: 10.3115 / v1 / W14-3110

CrossRef Полный текст | Google Scholar

Sontag, S., и Broun, H.H. (1977). Болезнь как метафора (стр. 343) . Фаррар, Штраус.

Google Scholar

Сайед С. и Спруит М. (2017). «Полнотекстовый или аннотация? Изучение показателей согласованности темы с использованием скрытого распределения дирихле », в , 2017 IEEE International Conference on Data Science and Advanced Analytics (DSAA).IEEE. 165–174. DOI: 10.1109 / DSAA.2017.61

CrossRef Полный текст | Google Scholar

Тибодо, П. Х., Хендрикс, Р. К., и Бородицкий, Л. (2017). Как лингвистическая метафора поддерживает рассуждение. Trends Cognit. Sci. 21, 852–863. DOI: 10.1016 / j.tics.2017.07.001

CrossRef Полный текст | Google Scholar

Тран, Т., и Ли, К. (2016). «Понимание реакции граждан и распространения информации, связанной с Эболой, в социальных сетях», Международная конференция IEEE / ACM 2016 года по достижениям в анализе социальных сетей и добыче полезных ископаемых (ASONAM) .IEEE. 106–111. DOI: 10.1109 / ASONAM.2016.7752221

CrossRef Полный текст | Google Scholar

Виджайкумар, С., Новак, Г., Химельбойм, И., и Джин, Ю. (2017). Виртуальная передача вируса Зика после первого случая в США: кто сказал, что и как распространил в Твиттере. Am. J. Infect. Контроль 46, 549–557. DOI: 10.1016 / j.ajic.2017.10.015

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вэй, Г., Лим, Э. П., и Чжу, Ф. (2015). Характеристика молчаливых пользователей в социальных сетях .

Google Scholar

Вирц, К. Д., Ксенос, М. А., Броссар, Д., Шойфеле, Д., Чанг, Дж. Х. и Массарани, Л. (2018). Переосмысление социального усиления риска: социальные сети и вирус Зика на трех языках. Анализ рисков 38, 2599–2624. DOI: 10.1111 / risa.13228

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Xue, J., Chen, J., Hu, R., Chen, C., Zheng, C., Su, Y., et al. (2020). Обсуждения в Twitter и эмоции по поводу пандемии COVID-19: подход машинного обучения. J. Med. Int. Res. 22: e20550. DOI: 10.2196 / 20550

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Йео, Дж., Нокс, К. К., Юнг, К. (2018). Раскрытие культур в коммуникационных сетях реагирования на чрезвычайные ситуации в социальных сетях: после наводнения в Луизиане 2016 года. Качество Количество 52, 519–535. DOI: 10.1007 / s11135-017-0595-3

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Чжоу, Дж., Ян, С., Сяо, К., и Чен, Ф.(2020). Изучение динамики настроений населения в связи с пандемией Covid-19: пример из Австралии. Препринт arXiv arXiv: 2006.12185 . Доступно в Интернете по адресу: https://arxiv.org/abs/2006.12185 (дата обращения: 9 января 2021 г.).

Google Scholar

.

No related posts.