MétaCan
Menu
Retour à la cohorte
Enregistrement W2789727702 · doi:10.2196/publichealth.7598

Relationships Among Tweets Related to Radiation: Visualization Using Co-Occurring Networks

2018· article· en· W2789727702 sur OpenAlex
Ayako Yagahara, Keiri Hanai, Shin Hasegawa, Katsuhiko Ogasawara

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)VisualizationFukushima Nuclear AccidentEnvironmental healthRisk communicationInternet privacyComputer securityBusinessComputer scienceMedicineNuclear power plantData miningPhysics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: After the Fukushima Daiichi nuclear accident on March 11, 2011, interest in, and fear of, radiation increased among citizens. When such accidents occur, appropriate risk communication must provided by the government. It is therefore necessary to understand the fears of citizens in the days after such accidents. OBJECTIVE: This study aimed to identify the progression of people's concerns, specifically fear, from a study of radiation-related tweets in the days after the Fukushima Daiichi nuclear accident. METHODS: From approximately 1.5 million tweets in Japanese including any of the phrases "radiation" (), "radioactivity" (), and "radioactive substance" () sent March 11-17, 2011, we extracted tweets that expressed fear. We then performed a morphological analysis on the extracted tweets. Citizens' fears were visualized by creating co-occurrence networks using co-occurrence degrees showing relationship strength. Moreover, we calculated the Jaccard coefficient, which is one of the co-occurrence indices for expressing the strength of the relationship between morphemes when creating networks. RESULTS: From the visualization of the co-occurrence networks, we found high citizen interest in "nuclear power plant" on March 11 and 12, "health" on March 12 and 13, "medium" on March 13 and 14, and "economy" on March 15. On March 16 and 17, citizens' interest changed to "lack of goods in the afflicted area." In each co-occurrence network, trending topics, citizens' fears, and opinions to the government were extracted. CONCLUSIONS: This study used Twitter to understand changes in the concerns of Japanese citizens during the week after the Fukushima Daiichi nuclear accident, with a focus specifically on citizens' fears. We found that immediately after the accident, the interest in the accident itself was high, and then interest shifted to concerns affecting life, such as health and economy, as the week progressed. Clarifying citizens' fears and the dissemination of information through mass media and social media can add to improved risk communication in the future.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,084
Tête enseignante GPT0,405
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle