刻画 Twitter 中的跨性别健康议题
计算机与社会
2018-10-01 v2 计算与语言
应用统计
机器学习
摘要
尽管全球有数百万跨性别者，但关于其健康问题的信息却十分匮乏。这一问题对医疗领域造成影响，后者仅初步了解如何识别并满足该人群的健康相关需求。Twitter 等社交媒体网站为跨性别者分享个人健康经历、克服这些障碍提供了新机会。我们的研究采用计算框架收集自我认同为跨性别用户的推文，检测其中健康相关推文，并识别其信息需求。该框架的重要性在于，它为缺乏全国或人口层面调查的问题提供了宏观视角。我们的发现识别出 54 个 distinct 健康相关主题，并将其归为 7 个更广类别。进一步，我们发现跨性别男性(TM)与跨性别女性(TW)分享的健康相关信息在语言与主题上均存在差异。这些发现有助于为跨性别社群内的健康干预提供医疗与政策策略依据。此外，我们提出的方法可为开发计算策略以识别其他边缘人群的健康相关信息需求提供参考。
引用
@article{arxiv.1808.06022,
title = {Characterizing Transgender Health Issues in Twitter},
author = {Amir Karami and Frank Webb and Vanessa L. Kitzie},
journal= {arXiv preprint arXiv:1808.06022},
year = {2018}
}