度量日常恐惧感知变化：COVID-19背景下的计算研究
计算与语言
2023-01-11 v1
摘要
COVID-19作为一场全球健康危机，引发了空前强度的恐惧情绪。除对感染的恐惧外，COVID-19的暴发还显著扰乱了人们的日常生活，从而诱发了间接源于感染的心理反应。在此，我们利用2019年1月1日至2020年8月31日期间中国53.6万用户生成的1600万条社交媒体帖子构建了表达性恐惧数据库。我们采用深度学习技术检测每条帖子中的恐惧情绪，并应用主题模型提取核心恐惧主题。基于该数据库，我们发现睡眠障碍（“噩梦”与“失眠”）在疫情前时期（2019年1月—2019年12月）占恐惧标注帖子的最大份额，并在COVID-19期间显著增加。我们确定健康与工作相关担忧是COVID-19引发的两大恐惧来源。我们还检测到性别差异：女性在COVID-19期间生成了更多包含日常生活恐惧来源的帖子。本研究采用数据驱动方法追溯公众情绪，可补充传统调查以实现实时情绪监测，辨识社会关切并支持政策决策。
引用
@article{arxiv.2107.12606,
title = {Measuring daily-life fear perception change: a computational study in the context of COVID-19},
author = {Yuchen Chai and Juan Palacios and Jianghao Wang and Yichun Fan and Siqi Zheng},
journal= {arXiv preprint arXiv:2107.12606},
year = {2023}
}
备注
15 pages