面向季节性流感所致行为变化的数据驱动刻画
物理与社会
2020-07-01 v1 社会与信息网络
摘要
本工作中，我们旨在确定季节性流感期间驱动行为变化的主要因素。为此，我们分析了一个独特的数据集，包含 434 名意大利 Influweb（一个参与式监测 Web 平台）用户在 2017-18 和 2018-19 流行季完成的 599 份调查。数据提供了社会人口学信息、对流感的关注程度、既往患病经历以及每位参与者所实施的行为变化类型。我们用一组特征描述每份回复，并将其划分为三个目标类别，分别描述报告 i) 无变化（26%）、ii) 仅中等变化（36%）、iii) 显著变化（38%）的行为。在此设定下，我们采用机器学习算法来探究仅依据该组特征能在多大程度上预测目标变量。值得注意的是，描述行为变化更显著的类别中 的样本通过梯度提升树被正确分类。此外，我们考察了各特征在分类任务中的重要性，并揭示了个体特征与其行为变化倾向之间的复杂关系。我们发现，既往疾病的强度、近期性、感知易感性以及感知严重度是分类任务中最显著的特征。有趣的是，后两者与健康信念模型所提出的理论构念相吻合。总体而言，本研究为致力于数据驱动刻画传染病所致行为变化的少量实证研究作出了贡献。
引用
@article{arxiv.2002.00671,
title = {Towards a data-driven characterization of behavioral changes induced by the seasonal flu},
author = {Nicolò Gozzi and Daniela Perrotta and Daniela Paolotti and Nicola Perra},
journal= {arXiv preprint arXiv:2002.00671},
year = {2020}
}