COVID-19 related tweets from British Columbia sources
Notice bibliographique
Résumé
Tweets about COVID-19 from sources in British Columbia. This dataset includes tweets from government officials, health authorities and journalists. The tweet IDs were collected using Documenting the Now's Twarc library (https://github.com/DocNow/twarc). The date of the earliest available tweet is different for each handle. The date of the latest available tweet will not be later than the upload date for each file. See the file-level information below. The tweet ids were extracted from the raw JSON files retrieved from Twitter using Twarc. However, Twitter's terms of use do not permit the sharing of the raw JSON files for this dataset. The raw JSON files can be retrieved from Twitter, provided the content is still available, using the 'hydrate command within Twarc. The researchers retained the source JSON files and may be contacted by other researchers if they wish to access them. The files of tweet ids will be updated over time and this metadata, the files and this readme.txt file will be updated accordingly. Raw JSON files were harvested using Twarc's 'timeline' command. The 'timeline' command retrieves the most recent tweets from the specified handle, to a maximum of approximately 3,300 tweets. The data for each handle was collected approximately weekly, starting in January 2021. In order not to lose earlier tweets, we concatenated the JSON for each new 'timeline' crawl to the earlier crawls and de-duplicated the combined JSON using Twarc's 'deduplicate' command. We then used Twarc's 'dehydrate' command to extract just the tweet ids from the deduplicate JSON file. Finally, we sorted the tweet ids numerically so that they would appear in ascending date order. The basic workflow looks like: twarc timeline --> concatenate JSON files --> deduplicate resulting JSON file --> dehydrate tweet ids --> sort tweet ids. The Twitter handles include: @BCGovNews: BC Government News. Tweets in this file start on 2019-06-06. @CDCofBC: BC Centre for Disease Control. Tweets in this file start on 2019-06-28. @Fraserhealth: Fraser Health Authority. Tweets in this file start on 2019-01-07. @ImmunizeBC: Evidence-based immunization information and tools for BC residents from the BC Centre for Disease Control. Tweets in this file start on 2014-11-19. @Interior_Health: Health authority for the Southern Interior of BC. Tweets in this file start on 2017-06-30. @Northern_Health: Health authority for the Northern Interior of BC. Tweets in this file start on 2018-07-01. @PHSAofBC: Provincial Health Services Authority of BC. Tweets in this file start on 2019-11-01. @SAHoffman: Suzanne Hoffman, Superintendent of Schools for Vancouver. Tweets in this file start on 2009-08-14. @VCHhealthcare: Vancouver Coastal Health Authority. Tweets in this file start on 2019-02-15. @VanIslandHealth: Vancouver Island Health Authority. Tweets in this file start on 2017-12-13. @adriandix: Adrian Dix, Member of the Legislative Assembly for Vancouver-Kingsway and BC Minister of Health. Tweets in this file start on 2019-09-13. @fnha: First Nations Health Authority. Tweets in this file start on 2017-05-03. @govTogetherBC: Government of BC citizen engagement. Tweets in this file start on 2016-09-03. @j_mcelroy: Municipal Affairs Reporter for CBC Vancouver. Tweets in this file start on 2021-01-04. @jordantinney: Jordan Tinney, Superintendent of Schools for Surrey. Tweets in this file start on 2013-01-16. @keithbaldrey: Keith Baldrey, Political journalist for Global TV, British Columbia. Tweets in this file start on 2020-12-14. @kennedystewart: Kennedy Stewart, 40th Mayor of Vancouver. Tweets in this file start on 2016-10-16. @richardzussman: Reporter for Global TV, British Columbia, at the provincial legislature. Tweets in this file start on 2020-12-31.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,009 | 0,022 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,035 |
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 ».