XiaoMi-AI文件搜索系统
World File Search System
不仅仅是阴谋论：疫苗反对者和支持者在推特上加剧了新冠肺炎“信息疫情”
2020 年 2 月，世界卫生组织宣布，伴随 COVID-19 全球大流行而来的“信息疫情”——大量准确和不准确的健康信息——对有效的健康传播构成了重大挑战。我们评估了 Twitter 上最活跃的疫苗账户的内容，以了解现有的在线社区在大流行初期如何助长“信息疫情”。虽然我们预计疫苗反对者会分享有关 COVID-19 的误导性信息，但我们也发现疫苗支持者也难免会传播不太可靠的说法。在这两个群体中，讨论最大的话题是将 COVID-19 与季节性流感等其他疾病进行比较的叙述，往往淡化了新型冠状病毒的严重性。在考虑“信息疫情”的范围时，研究人员和健康传播者必须超越已知的不良行为者和最恶劣的错误信息类型，仔细审查公众可能在网上遇到的全部信息——来自可靠和不可靠来源的信息。
使用Vader和Bert
摘要：在围绕Omicron疫苗接种的迅速发展的讨论中，该研究利用Twitter的数据，重点关注美国，从2022年3月至2023年3月。利用SNScrape Python库的功能，整理了一条全面的推文数据集，并随后受到严格的情感分析技术。采用了两种主要方法论：Valence Aware Away词典和情感推理器（Vader）和来自变形金刚（BERT）模型的双向编码器表示。数据进行了预处理，其中包括删除URL，HTML标签，提及和停止单词。使用Vader最初标记了这些推文，形成了用于训练BERT模型的基础层。遵循令牌化，数据批处理和模型构建后，对BERT模型进行了训练并随后评估。结果在研究期间与Omicron疫苗相关的讨论中照亮了情绪的多方面景观。此外，确定了可辨别的关系，突出了整个Omicron时期与疫苗相关的Twitter对话中的情感通量。这项研究在大流行的关键时期提供了对公共情绪的宝贵见解，并强调了当代自然语言处理工具在衡量公众舆论中的潜力。
审视 Twitter 上的疫苗情绪和 COVID-19 大流行期间的当地疫苗部署情况
摘要：了解当地公众对接种疫苗的态度对于成功的疫苗接种运动至关重要。社交媒体平台可能有助于揭示当地传染病爆发期间的疫苗情绪，以及线下当地活动是否支持疫苗推广工作。通信基础设施理论 (CIT) 是圣地亚哥地区案例研究的指导框架，该研究考察了 COVID-19 大流行期间当地公众在 Twitter 上表达的对疫苗的情绪。我们对 2020 年 5 月至 2021 年 3 月收集的 187,349 条推文进行了情绪分析（包括积极性和主观性），并研究了情绪与当地疫苗部署的对应关系。2020 年 11 月和 12 月（52.9%）的大多数推文表达了积极情绪，并与线下当地活动的公告相吻合，这些公告表明圣地亚哥即将部署 COVID-19 疫苗。在所有月份中，推文大多保持客观（从未低于 63%）。在 CIT 方面，考虑网络空间中故事讲述网络的多个层次，并研究 Twitter 上关于疫苗的情绪，可能有助于学者探索传播行动背景，并培养积极的社区态度，以改善与疫苗有关的健康行动领域。在开发和部署新疫苗期间实时分析本地推文可能有助于监测当地公众的反应并指导社区免疫接种的推广。
Twitter 上的沟通策略：对美国撤出阿富汗的批判性话语分析
摘要 虽然已有多项研究探讨了与军事干预有关的战略沟通，但本研究分析了撤军和重新部署军事背景下的沟通策略。我们以美国撤出阿富汗为例，分析美国政府在推特（现称为 X）上动员了哪些（以及如何）战略叙事来为其行动寻求公众支持和合法性。研究结果表明，证券化、国家利益和责任等关键叙事是通过超越、支持、指责和缓和的宏观战略部署的。我们认为，虽然早期对阿富汗战争的描述被描绘成一项不可避免的任务，但现在的总体论述已经转向将这场战争描绘成不可持续的，美国不再需要这场战争。
倡导、犹豫和公平：探索推特上美国与 COVID-19 疫苗相关的种族讨论
摘要：背景：我们的研究旨在描述与 COVID-19 疫苗、种族和族裔相关的推文主题，以探索这些主题在 Twitter 上的交集背景。方法：我们利用 Twitter 的流应用程序编程接口 (API) 从 2020 年 10 月到 2021 年 1 月随机收集了 1% 的公开推文样本。研究小组对 1110 条推文的完整数据集进行了定性内容分析。结果：这些推文通过肯定疫苗、通过谴责倡导、需要疫苗、COVID-19 和种族主义、疫苗开发和有效性、种族主义疫苗幽默和新闻更新揭示了对疫苗的反对。疫苗反对通过直接反对、疫苗犹豫和不良反应表现出来。阴谋和错误信息包括科学错误信息、政治错误信息、对免疫和保护行为的信念以及种族灭绝阴谋。公平与获取侧重于克服医疗种族主义的历史，指出健康差距，以及促进疫苗获取的因素。代表们赞扬发展和榜样的自豪感，政治讨论了政治在疫苗和国际政治中的作用。结论：我们的分析表明，Twitter 可以提供与种族和民族有关的疫苗的多种观点的细微差别，并有助于为公共卫生信息传递提供见解。
使用Twitter情感分析
摘要 - 经济，政治和社会因素使股票价格预测具有挑战性且无法预测。本文着重于为股票价格预测开发人工智能（AI）模型。该模型利用了三个领域的LSTM和XGBoost技术：Apple，Google和Tesla。它旨在检测将情绪分析与历史数据相结合的影响，以了解人们的意见可以改变股票市场。提出的模型使用自然语言处理（NLP）技术计算情感分数，并根据日期将它们与历史数据结合在一起。RMSE，R²和MAE指标用于评估所提出模型的性能。与单独的历史数据相比，情感数据的整合已显示出显着的改善，并获得了更高的准确率。这提高了模型的准确性，并为投资者和金融部门提供了有价值的信息和见解。Xgboost和LSTM证明了它们在股票价格预测中的有效性； XGBoost优于LSTM技术。
孤立的话语：关于Twitter参与CRISPR在食品和农业中使用的长期研究
基因编辑技术正在成为农业发展的强大工具，激发了社会的希望和关注。要了解围绕CRISPR基因编辑在食品和农业中的作用的新兴论述和联盟，我们在一年的时间内（2021年）绘制了从讲英语的Twitter网络中出现的主要参与者和主题。科学参与者是辩论中最活跃，最佳网络的。他们促进了CRISPR基因编辑的积极形象，并积极努力加强网络。一个较小但同样不同的群体包括民间社会行为者，他们对技术表示怀疑，有时质疑科学家的主张，但没有引起科学家的反应。我们得出的结论是，在Twitter上围绕CRISPR在粮食和农业中的CRISPR主题形成的新兴话语联盟是孤立的，对比观点之间的相互作用有限。
构建AI话语的研究AI话语Twitter平台在肯尼亚和南非
人工智能（AI）已成为新闻报道和社交媒体话语的主要特征。新闻和社交媒体报道可以推动有关AI使用和影响态度的持续讨论。这项研究使用了混合方法（自动内容分析和手动编码）来在肯尼亚和南非的Twitter上建立AI的框架。分析主要集中于确定与AI不同类别中的AI国家中的推文和转发中的不同本地和区域叙事。这项研究证实了在分析的推文中使用来自本地和国际资源的数据来确定其真实性的索赔和一般性观点。分析了2016年至2021年之间发出的与AI有关的来自肯尼亚的256条推文，南非的516条推文。这些推文分为7种不同的组：（i）自动化和置换工作，（ii）教育，（iii）AI和开发，（iv）商业服务，（iv）健康，（v）健康，（vi）AI和治理，（vii）道德和法规，然后根据3个典型或负面的或中性的Tweet进行进一步分配。评估了这7个类别中编译的推文传达的情绪。研究结果表明，总的来说，仍然有一种乐观的看法，即对AI对解决肯尼亚和南非问题的可能影响的乐观观点。在大多数情况下，不同类别的负面情感和积极情绪的差异大部分偏向于肯尼亚对特定主题的积极情绪，而不是南非。最后，在这些推文中拥护积极和消极的情绪，即使地面现实不支持这些关注点，也反映了全球北国国家的情感。
推文tick tick：关于twitter上有关勾号的风险交流的定量内容分析
结果：在Twitter沟通中有关tick风险的交流，超过一半（55.3％）的推文缺乏任何视觉内容。在带有视觉效果的推文中，静态照片和插图/渲染图像是最常用的形式。个人，新闻和卫生/政府组织是主要的高音扬声器。此外，大多数推文都使用情境意识，工具获取和研究框架，并且处于损失框架中。大约一半（48.8％）的推文以负面的方式突出显示不利后果或框架风险准备。带有视觉辅助的推文的参与率更高，而具有URL的推文则没有。最后，推文使用不同的准备响应框架，并倾向于使用不同的增益/损失框架。特别是，强调情境意识的推文提醒公众有关tick虫和滴答疾病的信息，主要利用损失框架，强调了比工具获取或研究框架更高的风险。
在推特上反对强制实施新冠肺炎免疫护照：自然语言处理研究
尽量减少房间拥挤、限制接触和采取卫生措施 [2-7]。这些义务提出了伦理问题 [8]，并导致人们对疫苗接种和各种限制措施的选择和行为发生了变化 [9]。政府卫生运动（更具体地说是疫苗接种计划）缺乏雄心，会强化拒绝疫苗的行为 [10]。然而，如果有效实施，这些公共卫生措施可以对疫苗接种覆盖率产生积极影响 [11-17]。与直觉相反，放弃强制措施可以提高人们对疫苗接种的接受度 [6]。此外，这种动态会受到主流媒体（报纸）、社交媒体或互联网上传播的科学或政治演讲的影响而波动 [18,19]。