推特、人类流动性与 COVID-19
社会与信息网络
2020-07-03 v1 计算机与社会
应用统计
摘要
COVID-19 的爆发凸显了对一种更协调、隐私顾虑更少且易于获取的方法来监测人类流动性的需求，而已有研究证明人类流动性与病毒传播相关。本研究分析了全球 5.87 亿条推文，以观察全球在减少人类流动性方面的协作努力如何在全球、国家和美国州级尺度上反映在用户生成的信息中。考虑到流动性的多面性，我们提出了两种距离：单日距离和跨日距离。为量化特定地理区域的响应程度，我们进一步提出了一个基于流动性的响应指数（MRI），该指数捕捉了特定时间窗口内流动性变化的总体程度。结果表明，从推特数据中获取的流动模式可定量反映流动性动态。在全球范围内，自 2020 年 3 月 11 日世界卫生组织宣布 COVID-19 为大流行病后，所提出的两种距离均大幅偏离其基线。宣布后周期性显著减弱，表明防护措施已明显影响人们的出行规律。国家尺度的比较揭示了响应程度的差异，不同流行阶段的对比流动模式即为明证。我们发现流动性变化的触发因素与国家发布的缓解措施公告高度吻合。在美国，COVID-19 大流行对流动性的影响显著，但各州之间的影响差异很大。'黑人的命也是命'抗议活动进一步推动了强劲的流动性恢复势头，可能助长了美国第二波感染。
引用
@article{arxiv.2007.01100,
title = {Twitter, human mobility, and COVID-19},
author = {Xiao Huang and Zhenlong Li and Yuqin Jiang and Xiaoming Li and Dwayne Porter},
journal= {arXiv preprint arXiv:2007.01100},
year = {2020}
}
备注
27 pages, 9 figures and 4 tables