Panic buying behavior analysis of COVID-19 related toilet paper hoarding content on Twitter
Notice bibliographique
Résumé
Background: In March 2020, the COVID-19 outbreak has led to unprecedented panic buying phenomena across the globe, where social media has played a significant role in the dissemination of observations. Purpose: We used Twitter data to qualitatively analyse Tweets related to panic buying of toilet paper during the crisis. Methods: A dataset of n=255,171 Tweets were collected between 29th February to 29thMarch 2020. The n=4,081 with 10 or more Retweets were selected and separated into batches of 100 Tweets for analysis by adopting a grounded theory approach until a saturation was met. Results: Five key themes emerged from our analysis of the dataset: 1) humour or sarcasm, 2) marketing or profiteering, 3) opinion and emotions, 4) personal experience, and 5) support or information. Discussion: About half of the Tweets carried negative sentiments, expressing anger or frustration towards the deficiency of toilet paper and the frantic situation of toilet paper hoarding, which were among the most influential Tweets. The spontaneous contagion of fear and panic through social media could fuel psychological reactions in midst of crises. Conclusions: Our study demonstrated the application of social media data, a contemporary research method to provide rapid infodemiology of public psychology. In a pandemic or crisis situation, real-time data could be monitored and content-analysed for authorities to promptly address public concerns and sentiments. Findings have implications on how the government and related stakeholders could monitor and react to what social media information can reveal about public psychology during a crisis.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».