用于改进流感追踪的调查数据与人类计算
应用统计
2021-01-27 v1 定量方法
摘要
虽然来自搜索引擎等来源的数字痕迹数据在追踪和理解人类行为方面具有巨大潜力，但这些数据流缺乏有关生成这些数据的个体的实际体验的信息。此外，大多数现有方法忽略或未充分利用人类处理能力，即允许人类解决计算机尚无法解决的问题的能力（人类计算）。我们展示了如何将行为研究（连接数字与现实世界行为）以及人类计算结合起来，以提高使用数字数据流的研究性能。本研究着眼于搜索数据在追踪类流感疾病（ILI）流行率中的应用。我们基于与用户在线浏览数据相链接的调查数据，构建了流感搜索的行为模型。随后，我们利用人类计算对搜索字符串进行分类。利用这些资源，我们构建了一个 ILI 流行率追踪模型，该模型仅使用有限的搜索数据流便优于强大的历史基准，并且适用于在较小地理单元中追踪 ILI。虽然本文仅涉及与 ILI 相关的搜索，但我们描述的方法具有近实时追踪广泛现象的潜力。
引用
@article{arxiv.2003.13822,
title = {Survey Data and Human Computation for Improved Flu Tracking},
author = {Stefan Wojcik and Avleen Bijral and Richard Johnston and Juan Miguel Lavista and Gary King and Ryan Kennedy and Alessandro Vespignani and David Lazer},
journal= {arXiv preprint arXiv:2003.13822},
year = {2021}
}