卡塔尔世界杯8强波胆分析

摘要

背景:

COVID-19大流行在全球范围内引发了严重的公共卫生危机，政策制定者正在制定封锁政策以控制病毒。然而，威胁社会稳定的攻击性社会行为明显增加。封锁措施可能会对心理健康产生负面影响，导致攻击性情绪增加。发现封锁和攻击性增加之间的关系对于制定适当的政策以解决这些不利的社会影响至关重要。我们利用自然语言处理(NLP)技术和互联网数据来调查封锁对社会和情感的影响。

摘要目的:

本研究旨在通过NLP技术分析美国推特时空范围内的三种攻击性情绪:愤怒、攻击性语言和仇恨言论，了解封锁与攻击性增加之间的关系。

方法:

我们对11455名推特用户进行了纵向互联网研究，分析了他们在2019年至2020年发布的1281362条推文中的攻击性情绪。我们选择了互联网上三种常见的攻击性情绪作为分析对象:愤怒、攻击性语言和仇恨言论。对于情绪分类，我们训练BERT模型来分析每个州和每周攻击性推文的百分比。然后，我们使用差异估计中的差异来衡量锁定状态对增加攻击性推文的影响。由于大多数其他可能影响结果的独立因素，如季节和区域因素已被时间和状态固定效应所排除，因此在差异分析中，这种差异的显著结果不仅可以表明具体的正相关关系，而且强烈暗示了因果关系。

结果:

在封锁的前6个月里，与2019年相比，所有用户的攻击水平都有所上升。值得注意的是，被封锁的用户比未被封锁的用户表现出更强的攻击性。我们在差异估计中的差异发现，封锁与攻击性增加之间存在统计学上显著的正相关(愤怒P< 0.002，攻击性P< 0.000，仇恨P< 0.005)。从这样的结果可以推断出存在因果关系。

结论:

了解封锁和攻击之间的关系可以帮助政策制定者解决封锁对个人和社会的影响。应用自然语言处理技术和利用社交媒体上的大数据可以为这项工作提供关键和及时的信息。