A cross-country analysis of macroeconomic responses to COVID-19 pandemic using Twitter sentiments
Notice bibliographique
Résumé
The COVID-19 pandemic has had a devastating impact on the global economy. In this paper, we use the Phillips curve to compare and analyze the macroeconomics of three different countries with distinct income levels, namely, lower-middle (Nigeria), upper-middle (South Africa), and high (Canada) income. We aim to (1) find macroeconomic changes in the three countries during the pandemic compared to pre-pandemic time, (2) compare the countries in terms of response to the COVID-19 economic crisis, and (3) compare their expected economic reaction to the COVID-19 pandemic in the near future. An advantage to our work is that we analyze macroeconomics on a monthly basis to capture the shocks and rapid changes caused by on and off rounds of lockdowns. We use the volume and social sentiments of the Twitter data to approximate the macroeconomic statistics. We apply four different machine learning algorithms to estimate the unemployment rate of South Africa and Nigeria on monthly basis. The results show that at the beginning of the pandemic the unemployment rate increased for all the three countries. However, Canada was able to control and reduce the unemployment rate during the COVID-19 pandemic. Nonetheless, in line with the Phillips curve short-run, the inflation rate of Canada increased to a level that has never occurred in more than fifteen years. Nigeria and South Africa have not been able to control the unemployment rate and did not return to the pre-COVID-19 level. Yet, the inflation rate has increased in both countries. The inflation rate is still comparable to the pre-COVID-19 level in South Africa, but based on the Phillips curve short-run, it will increase further, if the unemployment rate decreases. Unfortunately, Nigeria is experiencing a horrible stagflation and a wild increase in both unemployment and inflation rates. This shows how vulnerable lower-middle-income countries could be to lockdowns and economic restrictions. In the near future, the main concern for all the countries is the high inflation rate. This work can potentially lead to more targeted and publicly acceptable policies based on social media content.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».