Qatar as Full Island Overnight: Psychological and Social Consequences of Blockade as Reflected in the Social Media
Notice bibliographique
Résumé
The GCC crisis in which Saudi Arabia, UAE, and Bahrain have closed land, sea and air borders going into and from Qatar imposed a host of psychosocial stressors on both Qatari and non-Qatari citizens. This ongoing crisis is contributing to psychological and social problems at both the individual and community levels. Furthermore, pressures are placed on psychological, social, and mental health resources available in Qatar. Therefore, the current economic and political situation calls for a need to assess the resultant psychosocial effects at different levels (individuals, families, and communities) and types (emotional, psychological, and social). One method to empirically identify such psychosocial changes emergent from the crisis is to test individuals' reactions in social media, such as Twitter. Methodology: A total of 1238 tweets were collected over a period of 90 days using https://birdiq.net , 10 thematic representations were codified from 780 tweets. All tweets posted since the blockade started in June 5, 2017 contained a combination of 131 negative words. The ‘bad words’ were grouped into 10 clusters representing negative emotions. Findings: The results indicated that since the blockade, Qatari residents have begun to use an increasing amount of negative words in their Twitter profiles, indicating adverse tendencies towards the Gulf crisis. Using ten-day intervals up to the point in which this data was collected, significant changes have been observed in the ways in which people expressed themselves on Twitter. These findings are analyzed in the light of literature on the psychological impact of siege, blockade and isolation on populations.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».