Netizens' concerns during COVID-19: a topic evolution analysis of Chinese social media platforms
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.
Notice bibliographique
Résumé
Purpose This study analyzes the evolution of topics related to COVID-19 on Chinese social media platforms with the aim of identifying changes in netizens' concerns during the different stages of the pandemic. Design/methodology/approach In total, 793,947 posts were collected from Zhihu, a Chinese Question and Answer website, and Dingxiangyuan, a Chinese online healthcare community, from 31 December, 2019, to 4 August, 2021. Topics were extracted during the prodromal and outbreak stages, and in the abatement–resurgence cycle. Findings Netizens' concerns varied in different stages. During the prodromal and outbreak stages, netizens showed greater concern about COVID-19 news, the impact of COVID-19 and the prevention and control of COVID-19. During the first round of the abatement and resurgence stage, netizens remained concerned about COVID-19 news and the prevention and control of the pandemic, however, less attention was paid to the impact of COVID-19. During later stages, popularity grew in topics concerning the impact of COVID-19, while netizens engaged more in discussions about international events and the raising of spirits to fight the global pandemic. Practical implications This study contributes to the practice by providing a way for the government and policy makers to retrospect the pandemic and thereby make a good preparation to take proper measures to communicate with citizens and address their demands in similar situations in the future. Originality/value This study contributes to the literature by applying an adapted version of Fink's (1986) crisis life cycle to create a five-stage evolution model to understand the repeated resurgence of COVID-19 in Mainland China.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle