The Evolution of Public Sentiments During the COVID-19 Pandemic: Case Comparisons of India, Singapore, South Korea, the United Kingdom, and the United States
Notice bibliographique
Résumé
Background: Public sentiments are an important indicator of crisis response, with the need to balance exigency without adding to panic or projecting overconfidence. Given the rapid spread of the COVID-19 pandemic, governments have enacted various nationwide measures against the disease with social media platforms providing the previously unparalleled communication space for the global populations. Objective: This research aims to examine and provide a macro-level narrative of the evolution of public sentiments on social media at national levels, by comparing Twitter data from India, Singapore, South Korea, the United Kingdom, and the United States during the current pandemic. Methods: A total of 67,363,091 Twitter posts on COVID-19 from January 28, 2020, to April 28, 2021, were analyzed from the 5 countries with "wuhan," "corona," "nCov," and "covid" as search keywords. Change in sentiments ("very negative," "negative," "neutral or mixed," "positive," "very positive") were compared between countries in connection with disease milestones and public health directives. Results: Country-specific assessments show that negative sentiments were predominant across all 5 countries during the initial period of the global pandemic. However, positive sentiments encompassing hope, resilience, and support arose at differing intensities across the 5 countries, particularly in Asian countries. In the next stage of the pandemic, India, Singapore, and South Korea faced escalating waves of COVID-19 cases, resulting in negative sentiments, but positive sentiments appeared simultaneously. In contrast, although negative sentiments in the United Kingdom and the United States increased substantially after the declaration of a national public emergency, strong parallel positive sentiments were slow to surface. Conclusions: Our findings on sentiments across countries facing similar outbreak concerns suggest potential associations between government response actions both in terms of policy and communications, and public sentiment trends. Overall, a more concerted approach to government crisis communication appears to be associated with more stable and less volatile public sentiments over the evolution of the COVID-19 pandemic.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».