Community stress and resilience during covid-19: Assessing the emotional profile of the City of Hamilton using a social media analysis
Notice bibliographique
Résumé
This study investigated stress and resilience at the neighbourhood level in Hamilton Ontario in pre- and peri-pandemic conditions using a social media analysis. Sentiment analysis of geo-located Twitter posts produced within Hamilton census tract boundaries was conducted using Stresscapes and EMOTIVE, validated software that extract and code emotional information from human language expressions about stress and hope (a proxy for stress), respectively. Baseline levels of both emotions were measured using aggregate scores at the census tract level in Hamilton from tweets produced during two pre-pandemic periods (March 2019 to July 2019; and August 2019 to February 2020), with a replication analysis corresponding to the first (March - July 2020), second (August 2020 - February 2021) and third (March 2021-July 2021) waves of the pandemic. The spatial distribution of stress and hope across the five time periods (pre- and peri-pandemic) was visualized using a geographic information system. Candidate explanatory variables (including COVID-19 cases count, visible minority status, educational attainment, household income, and household size) were examined for significant bivariate correlations with the change in stress emotions within neighbourhoods across pre- and peri-pandemic periods. Baseline hope was examined as an effect modifier of any significant relationships between explanatory variables and stress. Results suggest that variation between stress and hope emotions exist between Hamilton census tracts (n=30) over the five time periods. Among the explanatory variables, household size and household income displayed a strong bivariate correlation to stress; however, baseline hope did not modify the effect on stress of either variable.
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 | 0,000 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 | 0,000 |
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 ».