Volunteer contributions to Wikipedia increased during COVID-19 mobility restrictions
维基百科是有史以来最大的百科全书，是一项由志愿者贡献推动的全球倡议。2019冠状病毒病疫情爆发，全球各地纷纷采取行动限制，维基百科志愿者是否会在疫情面前变得不那么活跃，还是会在危机带来额外压力的情况下，奋起满足对高质量信息日益增长的需求，目前尚不清楚。通过分析2018年至2020年维基百科12个语言版本的2.23亿次编辑，我们发现维基百科的全球志愿者社区对这一流行病做出了显着的反应，大大提高了工作效率和加入社区的新成员数量。例如，对英文维基百科的贡献比大流行前数据的预期增加了20%以上。我们的工作揭示了全球志愿者群体对COVID-19危机的反应，为关键在线社区在压力下的行为提供了宝贵的见解。
2021-11-02 cs.CY
The Relationship between Deteriorating Mental Health Conditions and Longitudinal Behavioral Changes in Google and YouTube Usages among College Students in the United States during COVID-19: Observational Study
全球人口的心理健康问题在冠状病毒病（COVID-19）期间恶化。由于大流行和随后的封锁，个人与谷歌搜索和YouTube等在线平台的互动方式发生了巨大变化。在线平台上这种无处不在的日常行为有可能以非侵入性的方式捕获心理健康状况的临床惊人恶化并与之相关。这项研究的目的是在大学生中研究在COVID-19期间使用谷歌搜索和YouTube时，不断恶化的心理健康状况与用户行为变化之间的关系。这项研究于2020年1月（疫情爆发前）从美国一所大学校园招募了49名学生，并测量了每位参与者的焦虑和抑郁水平。这项研究在2020年5月（疫情期间）对同一队列进行了随访，并再次评估了焦虑和抑郁水平。纵向谷歌搜索和YouTube历史数据是匿名收集的。从个人层面的谷歌搜索和YouTube历史记录中，我们开发了5个信号，可以量化疫情期间在线行为的变化。然后，我们评估了心理健康状况恶化和没有恶化的群体之间在这些特征方面的差异。显著特征包括深夜在线活动，连续使用，远离互联网的时间，色情消费，以及与负面情绪，社交活动和个人事务相关的关键字。虽然还需要进一步的研究，但我们的研究结果表明，利用普遍的在线数据建立针对精神健康状况的非侵入性监测系统是可行的，该系统绕过了现有筛查方法的许多缺点。
2020-09-05 cs.CY cs.IR
Infectious disease surveillance needs for the United States: lessons from COVID-19
本文基于COVID-19的经验教训，探讨了美国传染病监测系统的升级需求，界定了支持疫情决策所需的监测数据范围、数据元素及数据类型，并提出了确保数据可用及改善健康公平的行动方案。
2023-11-22 cs.CY physics.soc-ph q-bio.PE
A County-level Dataset for Informing the United States' Response to COVID-19
由于2019冠状病毒病（COVID-19）继续成为全球大流行病，政策制定者已颁布并撤销非药物干预措施，并实施不同程度的限制，以限制其传播。分析大流行的时间特征及其对区域条件的依赖性的数据驱动方法可能提供信息以支持缓解和抑制策略的实施。为了促进在这个方向上的研究，在美国的例子，我们提出了一个机器可读的数据集，汇总相关的数据来自政府，新闻和学术来源在美国县一级。除了JHU CSSE COVID-19仪表板中的县级时间序列数据外，我们的数据集还包含300多个变量，这些变量汇总了人口估计、人口统计、种族、住房、教育、就业和收入、气候、交通评分以及医疗保健系统相关指标。此外，我们还为每个县的各种兴趣点提供了汇总的户外活动信息，包括杂货店和医院，总结了SafeGraph和Google移动报告的数据。我们从IHME、州和县级政府以及报纸上收集信息，以了解非药物干预措施的颁布和逆转日期。通过收集这些数据，并提供阅读它们的工具，我们希望加快研究这种疾病如何传播以及为什么不同地区的传播可能不同的研究。我们的数据集和相关代码可以在github.com/JieYingWu/COVID-19_US_County-level_Summaries上找到。
2020-09-11 cs.CY cs.DB physics.soc-ph
Cross-Cultural Differences in Students' Intention to Use RSS Feeds between Lebanon and the United Kingdom: A Multi-Group Invariance Analysis Based on the Technology Acceptance Model
RSS（Really Simple Syndication）为大学生提供了一种从虚拟学习环境中接收及时更新的方法。然而，尽管其实用性，在黎巴嫩大学接受调查的学生中，只有21%的人声称曾经使用过这项技术。为了研究是否有文化因素影响使用RSS的意愿，本研究将调查范围扩大到英国，进行跨文化比较。使用的技术采用模型（TAM）作为一个研究框架，437名学生回答了一份问卷，其中包含四个结构：使用意图（INT）;对利益的态度（ATT）;感知有用性（PU）;和感知易用性（PEOPLE）。主成分分析（PCA）和结构方程模型（SEM）被用来探讨量表的心理测量学质量。结果显示，在英国，采用率明显较高，但也适中，为36%。配置和度量不变性得到完全支持，而标量和阶乘不变性得到部分支持。分析表明，作为一个潜在的文化后果，有显着的差异之间的PU和PEGRESS在两个研究的背景下，潜在的文化后果。建议教师向学生展示如何有效地使用RSS，以提高认识和强调实用性。
2015-12-30 cs.CY
Pandemic Pulse: Unraveling and Modeling Social Signals during the COVID-19 Pandemic
我们展示并开始探索一系列社会数据，这些数据代表了COVID-19大流行对美国的部分影响。这些数据是从一系列来源收集的，包括新闻主题的纵向趋势，社交距离行为，社区流动性变化，网络搜索等。这种多模式的努力为分析这种流行病对社会脉搏的影响提供了新的机会。我们的初步结果显示，在世界卫生组织于3月11日宣布大流行后，与COVID-19相关的新闻文章数量立即发表，此后一直稳步下降-无论病例数量或公共政策如何变化。此外，我们发现，相对于疫情开始前测量的基线，政治温和和有科学依据的消息来源发布的COVID-19新闻比例低于政治极端的消息来源。我们认为，对这些多模态信号的进一步分析可以产生有意义的社会见解，并提供一个交互式仪表板，以帮助进一步探索。
2020-06-10 cs.CY cs.SI
Handling Pandemic-Scale Cyber Threats: Lessons from COVID-19
本研究借鉴COVID-19大流行应对经验，提出以美国为重点的大流行级别网络事件行动框架，总结六条关键备灾经验，为构建网络防御手册提供可行步骤，助力各方提升网络事件应对韧性。
2024-08-15 cs.CR cs.CY
Shifting Mobility Behaviors in Unprecedented Times: Intentions to Use On-demand Ride Services During the COVID-19 Pandemic
COVID-19的传播一直是人们日常生活和出行行为的主要破坏力。考虑到服务运营的限制以及用户对共享车辆病毒传播的担忧，出租车和网约车等按需乘车服务的需求受到了特别影响。于疫情期间，对该等模式的需求减少多达80%。这项研究探讨了在生活方式和日常生活发生巨大变化以及前所未有的流动性减少的时期使用按需乘车服务的意图。具体而言，我们研究了在大流行的早期阶段使用这些按需旅行方式的意图转变的决定因素。使用2020年6月向来自美国本土的700名受访者发布的调查数据，应用有序回归模型分析考虑的转变。研究结果表明，大流行期间的政治取向和健康相关经历是个体使用网约车意图变化的重要来源。此外，年龄和收入等特征导致了与乘车文献中发现的典型乘车情况相矛盾的考虑转变。具体而言，按需乘车考虑随着年龄和收入的变化而减少。此外，公交用户比私家车用户更愿意考虑按需乘车，这表明共享车辆模式具有类似的风险特征。我们讨论了按需乘车服务在大流行时代的作用，以及调查政治取向和不断演变的大流行经验的必要性，以确定它们在未来移动系统中的作用。
2021-08-05 cs.CY
COVID Future Panel Survey: A Unique Public Dataset Documenting How U.S. Residents' Travel Related Choices Changed During the COVID-19 Pandemic
COVID-19大流行是一场前所未有的全球危机，几乎影响了所有人。我们在美国进行了一项全国性的在线纵向调查，以收集有关大流行之前、期间和之后旅行相关行为和态度变化的信息。该调查询问了有关通勤、长途旅行、在家工作、在线学习、在线购物、大流行经历、态度和人口统计信息的问题。对同一批答卷人进行了三次调查，以观察对这一流行病的反应如何随着时间的推移而演变。第一波调查于2020年4月至2021年6月进行，第二波于2020年11月至2021年8月进行，第三波于2021年10月至2021年11月进行。第一波共收到9 265份答复，其中2 877人参加了第二波，2 728人参加了第三波。调查数据是公开的。这个独特的数据集可以帮助政策制定者在交通、劳动力发展等领域做出决策。本文展示了进行这种在线纵向调查的框架。它详细说明了进行调查和整理数据以使其代表国家趋势所涉及的逐步程序。
2022-08-11 cs.CY stat.ME
Motivation, Attention, and Visual Platform Design: How Moral Contagions Spread on TikTok and Instagram in the 2024 United States Presidential Election
Dartmouth College（达特茅斯学院）
研究探讨了TikTok和Instagram上道德化内容的传播机制，发现平台架构、受众 demographics 和党派框架影响道德化议题的扩散模式。
2026-03-22 cs.CY cs.ET
Quarantine Fatigue: first-ever decrease in social distancing measures after the COVID-19 outbreak before reopening United States
随着新型冠状病毒病（COVID-19）在中国武汉的出现及其在全球的迅速爆发，这种传染病改变了我们的日常旅行模式。在这项研究中，我们的团队利用综合数据面板调查了大流行期间人们日常流动模式的变化。为了综合人类流动性的各个方面，该团队重点关注了基于五个基本流动性指标计算的社会距离指数（SDI）。SDI模式在4月初显示了一个平台期，持续了大约两周。这种现象之后，SDI普遍下降，旅行次数增加，呆在家里的人的百分比减少。我们称之为隔离疲劳。采用变化率（ROC）方法追溯检疫疲劳的开始日期，表明为4月15日。我们的分析表明，尽管存在州与州之间的差异，但大多数州在同一时期开始出现隔离疲劳现象。这一观察变得更加重要，因为直到4月下旬才有任何一个州正式宣布重新开放，这表明人们决定在正式宣布重新开放之前放松社交距离。此外，我们的分析表明，官方重新开放导致SDI迅速下降，引发了第二波疫情的担忧。各州之间的同步趋势也强调了未来更全国性的决策态度的重要性，因为每个州的状况取决于全国性的行为。
2020-06-11 cs.CY physics.soc-ph
Face Off: Polarized Public Opinions on Personal Face Mask Usage during the COVID-19 Pandemic
尽管越来越多的科学证据表明个人使用口罩对降低传播率的有效性，但个人使用口罩在美国已成为一个高度两极分化的话题。据推测，各政府机构的一系列政策转变也是造成口罩两极分化的原因。调查这些政策变化的影响的一个典型方法是使用调查。然而，基于调查的方法有多种局限性：有偏见的回答，有限的样本量，精心设计的问题可能会扭曲回答并抑制洞察力，并且随着对动态主题的意见变化，回答可能很快被证明是无关紧要的。我们提出了一种新的方法，以1）准确地衡量公众对口罩的情绪在美国在COVID-19期间使用多模态人口统计推断框架与主题建模和2）确定口罩政策的转变是否有助于使用离线变化点分析对口罩的两极分化Twitter数据。首先，我们使用多模态人口统计预测框架推断个人Twitter用户的几个关键人口统计数据，例如他们的年龄，性别以及他们是否是大学生，并分析每个人口统计数据的平均情绪。接下来，我们使用潜在狄利克雷分配（LDA）进行主题分析。最后，我们使用剪枝精确线性时间（PELT）搜索算法对我们的情感时间序列数据进行离线变点发现。Twitter数据的大型语料库上的实验结果揭示了与现有调查一致的关于口罩的人口情绪的多种见解。此外，我们发现两个关键的政策转变事件促成了共和党人和民主党人情绪的统计显著变化。
2020-11-14 cs.CY cs.SI
CovidTracker: A comprehensive Covid-related social media dataset for NLP tasks
2019冠状病毒病大流行引发了前所未有的全球公共卫生紧急事件，同时也为调查公众对不利社会状况的反应提供了前所未有的机会。在社交媒体平台上发布信息的广泛能力为这种公众情绪的宣泄提供了宝贵的渠道，不仅包括表达社会团结，而且还包括传播关于这一流行病的影响和潜在风险的错误信息和误解。因此，这些信息内容档案是了解公众对卫生危机的反应的关键资源，对这些信息内容的分析有助于为公共政策干预提供信息，以更好地应对未来的类似事件。我们为学术研究目的提供了一个英国与新冠肺炎疫情相关的公共社交媒体帖子的基准数据库，以及一些初步分析，包括按关键词组织的关键主题分类。本新闻稿支持苏格兰政府首席科学家办公室资助的一项研究的结果，该研究旨在调查社会情绪，以了解对大流行期间实施的公共卫生措施的反应。
2022-06-17 cs.CY cs.SI
Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US
在疾病爆发期间，及时的非医疗干预措施对于防止疾病发展为流行病并最终成为大流行病至关重要。然而，采取快速措施需要有能力发现疫情的早期预警迹象。这项工作收集了围绕2020年COVID-19大流行的Twitter帖子，这些帖子表达了COVID-19最常见的症状，包括咳嗽和发烧，地理位置位于美国。通过检查州一级Twitter活动的变化，我们观察到症状报告推文数量的增加与官方报告的阳性病例之间存在时间滞后，时间在5至19天之间。
2020-05-01 cs.CY cs.SI
Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data
COVID-19大流行以前所未有的规模影响了世界各地人们的生活。我们打算使用大规模社交媒体数据来调查应对疫情的囤积行为。首先，我们收集了冠状病毒爆发后不久与囤积有关的推文。接下来，我们分析了2020年3月1日至4月30日期间美国超过42，000名独特Twitter用户的囤积和反囤积模式，并按年龄，性别和地理位置分析了与囤积相关的推文。我们发现囤积和反囤积组中的女性比例高于一般Twitter用户群体。此外，使用主题建模，我们调查的意见表示对囤积行为进行分类，这些主题根据人口和地理群体。我们还使用词汇法计算了囤积和反囤积相关推文的焦虑分数。通过将他们的焦虑分数与基线Twitter焦虑分数进行比较，我们揭示了进一步的见解。囤积相关推文的LIWC焦虑均值显著高于基线Twitter焦虑均值。有趣的是，与推文中提到的其他囤积物品相比，啤酒的计算焦虑得分最高。
2021-06-28 cs.CY cs.SI
Balancing Personal Privacy and Public Safety during COVID-19: The Case of South Korea
不同国家如何应对COVID-19大流行引发了激烈的争论。为了确保公共安全，韩国积极使用个人信息，冒着个人隐私的风险，而法国鼓励自愿合作，冒着公共安全的风险。在这篇文章中，在简要比较了与法国的背景差异后，我们重点介绍了韩国的流行病学调查方法。为了评估与个人隐私和公共健康有关的问题，我们研究了原始数据、去身份化数据和加密数据的使用模式。我们的具体提案讨论了COVID指数，该指数考虑了集体感染、爆发强度、医疗基础设施的可用性和死亡率。最后，我们总结了研究结果和教训，为未来的研究和政策含义。
2020-09-22 cs.CR cs.CY
Attributed Network Embedding Model for Exposing COVID-19 Spread Trajectory Archetypes
Texas A&M University（德克萨斯农工大学）；Princeton University（普林斯顿大学）；Clemson University（克莱姆森大学）
COVID-19的传播表明，不同城市和社区的传播风险模式并不相同，各种异质特征可能影响传播轨迹。因此，对于预测性大流行监测，必须探索城市和社区中区分其特定大流行传播轨迹的潜在异质特征。为此，本研究创建了一个网络嵌入模型，捕获跨县的访问网络，以及异构功能，以揭示集群的县在美国的基础上，他们的流行病传播的传播轨迹。我们从2020年3月3日至6月29日（第一波）收集并计算了2，787个县的位置情报特征。其次，我们构建了一个人的访问网络，其中包括县的功能作为节点属性，县之间的访问作为网络的边缘。我们的归因网络嵌入方法整合了跨县访问网络的类型学特征，以及异质性特征。我们对属性网络嵌入进行聚类分析，以揭示对应于四个县群的四种扩散风险轨迹原型。随后，我们确定了四个特征作为原型之间独特的传播风险模式的重要特征。归因网络嵌入方法和研究结果识别并解释了预测性大流行监测的跨县非同质大流行风险轨迹。该研究还有助于数据驱动和基于深度学习的流行病分析方法，以补充流行病政策分析的标准流行病学模型。
2022-09-21 cs.CY cs.LG cs.SI
Pandemic Lessons -- Devising an assessment framework to analyse policies for sustainability
COVID-19疫情突显了全球在确保社会整体社会经济福祉方面持续存在的多层面基本挑战。这些问题随着人口密度的增加而加剧，并随着若干社会经济地理文化活动参数而变化。这些问题直接突出了实现相互依存的联合国可持续发展目标（SDG）的迫切需要，以确保我们未来不会进入感染新的人畜共患病病毒的恶性循环，并且不需要在引发社会经济破坏的同时寻找疫苗。人类活动/反应的行为变化对于实现相互依存的可持续发展目标是必不可少的。我们采用根源分析方法，制定了年度评估框架，以可行地分析和确定实现可持续发展目标所需的特定区域的下游/上游社会经济政策。该框架使用了一个信息图条形图，该图以20个人类活动/影响参数的标准化值为基础，分为三类-负面、限制性和正面。我们以涵盖可持续发展目标的整体观点，通过这一框架说明了特定区域人类行为改革的影响和迫切需要。这一框架使人们能够预见政策在将负面参数值降低到理想的零水平方面的潜力，以便通过地球健康实现可持续发展目标。
2021-05-24 cs.CY cs.SI econ.GN
American Twitter Users Revealed Social Determinants-related Oral Health Disparities amid the COVID-19 Pandemic
目的：利用Twitter上的用户报告评估COVID-19大流行期间自我报告的人群口腔健康状况。方法和材料：我们收集了2020年11月12日至2021年6月14日期间美国26个州的9，104名Twitter用户（样本充足）在COVID-19大流行期间与口腔健康相关的推文。我们通过利用来自用户简档图像的视觉信息来推断用户人口统计。其他特征包括收入、人口密度、贫困率、医疗保险覆盖率、社区饮水氟化率和每日确诊COVID-19病例数的相对变化，均根据从用户简档检索的信息获取或推断。我们进行了逻辑回归，以检查讨论是否因用户特征而异。结果如下：总体而言，26.70%的Twitter用户讨论智齿疼痛/下巴受伤，23.86%的Twitter用户讨论牙科服务/蛀牙，18.97%的Twitter用户讨论牙齿脱落/牙齿断裂，16.23%的Twitter用户讨论牙痛，其余的Twitter用户讨论蛀牙/牙龈出血。女性和年轻人（19-29岁）更有可能谈论口腔健康问题。健康保险复盖率在主题预测的逻辑回归中是最显著的预测因子。结论：Twitter消息反映了大流行期间口腔健康的社会差异。例如，来自COVID-19风险较高的县的人更多地谈论蛀牙/牙龈出血和牙齿碎裂/牙齿断裂。易受COVID-19影响的老年人更有可能讨论牙痛。感兴趣的主题因用户特征而异。通过社交媒体的镜头，我们的研究结果可以为口腔健康从业者和政策制定者提…
2022-08-04 cs.CY cs.SI
Evaluation of websites of state public health agencies during the COVID-19 pandemic demonstrating the degree of effort to design for accessibility
自疫情开始以来，美国各州公共卫生机构均已设立及维持一个专门针对COVID 19的网站。我们的目标是评估这些网站是否符合无障碍指南。具体来说，我们评估了，在无障碍合规要求的水平不断提高的规模，由网站开发人员所做的努力，以纳入和满足无障碍合规标准的结果。我们关注了49个州的主页和疫苗网页。在这项研究中，我们使用自动化的ASAGE工具来评估在A、AA和AAA级别上对WCAG 2.0指南的符合性，以及对508 c节标准的符合性。我们还手动对网页开发人员在页面上包含的特定可访问性功能（如果有的话）进行了评分，评分范围为0（无）到3（最高）。我们发现，违反可访问性普遍存在于各州，但在不同程度上为一个特定的可访问性标准。尽管在所有4个POUR可访问性原则中均检测到违规行为，但已知违规行为的最大数量发生在满足可感知性和可操作性原则方面。大多数违反508 c准则的行为发生在没有提供脚本语言中的功能文本和没有提供非文本的文本等价物。各州的努力程度和一致性差异很大;大多数州的努力程度较低，而少数几个州试图以创新的方式提高其网站的无障碍性。努力的重点似乎是达到最低限度。目前尚不清楚网站是否为无障碍而主动设计。
2022-03-14 cs.CY
Artificial Intelligence-Based Analytics for Impacts of COVID-19 and Online Learning on College Students' Mental Health
Wake Forest University（维克森林大学）；Wake Forest University School of Medicine（维克森林大学医学院）
COVID-19是由新型冠状病毒（SARS-CoV-2）引起的疾病，于2019年12月下旬首次在中国武汉出现。没过多久，病毒在全球范围内传播，并于2020年3月被世界卫生组织宣布为大流行。这在世界各地和美国引起了许多变化，包括教育转向在线学习。在本文中，我们试图了解COVID-19大流行和在线学习的增加如何影响大学生的情绪健康。我们使用几个机器学习和统计模型来分析斯洛文尼亚卢布尔雅那大学公共管理学院与国际大学联盟，其他高等教育机构和学生协会收集的数据。我们的研究结果表明，与学生的学术生活相关的特征对他们的情绪健康影响最大。其他重要因素包括学生对大学和政府处理疫情的满意度以及学生的经济安全。
2022-09-05 cs.CY cs.LG
A Resilient ICT4D Approach to ECO Countries' Education Response during COVID-19 Pandemic
据联合国称，学校关闭影响了低收入和中低收入国家高达99%的学生。本研究进展报告介绍了经济合作组织（ECO）十个成员国的紧急远程教学（ERT）措施项目，重点是信息和通信技术（ICT）在中小学教育中的应用。该项目在具有复原力的信通技术促进发展框架内采取比较方法，研究教育系统的应对、承受力和恢复危机前的功能。初步研究表明，该国的总体COVID-19战略，教育系统以及数字基础设施的发展水平对远程学习平台的影响。该文件进一步表明，除了获得稳定的互联网连接和数字设备外，其他基础设施因素，如获得食物，电力和医疗服务，在教育应对规划和实施中发挥着重要作用。教育系统中的人为因素，如教师使用信通技术的培训、学生和家长的数字扫盲，以及教育系统中已经存在的脆弱性，对教育部门的危机管理提出了挑战。其他社会政治因素，如对女童教育的态度、腐败程度、机构能力、国际制裁或可用资金，也使教育系统的复原力较低。
2021-08-22 cs.CY
The Covid-19 pandemic's effects on poor rural dwellers in sub-Saharan Africa: A case study of access to basic clean water, sanitary systems and hand-washing facilities
对无形但流行的冠状病毒（COVID-19）的恐惧再怎么强调也不过分，因为如果不采取适当和快速的措施来遏制这种威胁，它有可能在几个月内消灭整个世界人口，撒哈拉以南非洲地区也不例外。很明显，水作为一种基本的日常商品，在南苏丹国家长期处于紧急状态，这在很大程度上是由于历届政府几十年来的忽视，因为无法将水、健康、生计和经济之间的现有联系分开。在COVID-19疫情爆发前，联合国提出的千年发展目标（MDGs）尚未能达到改善南苏丹地区农村社区生活水平和健康状况的既定目标。这一失败被一种错觉所掩盖，在这种错觉中，这一地区的人民不断地在自己的池塘、河流、小溪和当地手挖的浅井中艰难地寻找干净和健康的水。在所有南部非洲地区农村社区，只有不到17%的农村人口能够获得基本的洗手设施和卫生系统。按每立方米抽取的淡水总量的国内生产总值衡量，人民的总水生产率不到国内生产总值的5。
2020-06-08 cs.CY
COVID Induced Digital Inequality for Senior Citizens
COVID-19全球大流行从根本上改变了人们的互动方式，尤其是引入旨在遏制病毒传播的技术措施。作为目前实施最严格的以技术为基础的新型冠状病毒预防政策之一的国家，中国通过延长零病例的和平时间以及对疾病潜在激增的快速反应来保护其公民。然而，这种基于移动的技术确实带来了牺牲，特别是对于那些发现自己难以适应现代技术的老年人来说。在这项研究中，我们证明了这样一个事实，即大多数老年人发现很难使用名为“JKM”的健康码应用程序，他们通过减少旅行和减少当地通勤到需要验证JKM的地方来应对。这种妥协会产生身心后果，导致基础设施不平等、社会孤立和自给自足。正如我们在论文中所说明的那样，如果可以实施JKM的用户交互的改进，则可以大大减少老年人生活质量的下降。据我们所知，我们是第一个系统性研究中国老年人基于移动的COVID预防技术导致的数字不平等的研究。随着类似的技术在世界各地被广泛采用，我们希望阐明在大流行时代，数字不平等的扩大如何日益影响老年人的生活质量。
2021-11-21 cs.CY cs.HC
Algorithmic Behaviors Across Regions: A Geolocation Audit of YouTube Search for COVID-19 Misinformation Between the United States and South Africa
University of Washington（华盛顿大学）；Seattle University（西雅图大学）
针对现有YouTube错误信息审计忽视全球南方的空白，本研究通过美、南非法地理位置审计，发现南非搜索结果中新冠错误信息占比（前10条31.55%）显著高于美国，强调平台需跨地区一致监管算法行为。
2025-04-14 cs.AI cs.CY cs.HC
Inferring school district learning modalities during the COVID-19 pandemic with a hidden Markov model
Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）；Palantir Technologies（Palantir科技公司）；CDC COVID-19 Response Team（美国疾病控制与预防中心新冠疫情应对团队）
在这项研究中，对美国各地公立学校提供的学习模式进行了调查，以跟踪随着时间的推移，提供完全面对面，混合和完全远程学习的学校比例的变化。来自2020年9月至2021年6月的14，688个独特学区的学习模式由Burberry，MCH战略数据，美国企业研究所的返回学习跟踪器和各州仪表板报告。需要一个模型来合并和消除这些数据的冲突，以便更完整地描述全国范围内的模式。一个隐马尔可夫模型（HMM）被用来推断最有可能的学习模式，为每个地区每周的基础上。这种方法产生了更高的时空覆盖率比任何单独的数据源和更高的协议与四个数据源比任何其他单一的来源。模型输出显示，提供完全面对面学习的地区比例从2020年9月的40. 3%上升至2021年6月的54. 7%，45个州以及城市和农村地区都有所增加。这种类型的概率模型可以作为一种工具，用于融合不完整和矛盾的数据源，以支持公共卫生监测和研究工作。
2022-11-01 cs.CY cs.LG
Twitter discussions and emotions about COVID-19 pandemic: a machine learning approach
University of Toronto（多伦多大学）；University of Pittsburgh（匹兹堡大学）；Chinese Academy of Sciences（中国科学院）
这项研究的目的是检查与冠状病毒疾病（COVID-19）相关的讨论，关注和Twitter用户发布的推文中出现的情绪。我们分析了2020年3月1日至4月21日期间与COVID-19疫情相关的400万条Twitter消息，使用了“冠状病毒”、“COVID-19”、“检疫”等25个标签列表。我们使用一种机器学习方法，即潜在狄利克雷分配（LDA），来识别收集的推文中流行的一元组、二元组、突出的主题和主题以及情绪。流行的单字包括“病毒”、“封锁”和“隔离”。流行的双字母组合包括“COVID-19”、“呆在家里”、“冠状病毒”、“社交距离”和“新病例“。“我们确定了13个讨论主题，并将其分为五个不同的主题，例如“减缓COVID-19传播的公共卫生措施”，“与COVID-19相关的社会耻辱”，“冠状病毒新闻病例和死亡”，“COVID-19在美国”和“世界其他地区的冠状病毒病例”。在所有确定的主题中，对冠状病毒传播的主要情绪是预期可以采取的措施，其次是对不同主题的信任，愤怒和恐惧的混合情绪。公众在讨论冠状病毒新病例和死亡人数时，比其他话题表现出明显的恐惧感。该研究表明，Twitter数据和机器学习方法可以通过研究COVID-19期间不断变化的公众讨论和情绪来进行信息学研究。实时监测和评估Twitter上的讨论和关切，对于公共卫生应急反应和规划是有希望的。当COVID-19出现第二波疫情或即将来临的新…
2020-06-19 cs.CL cs.CY cs.SI
A country comparison of place-based activity response to COVID-19 policies
新型冠状病毒病（COVID-19）于二零一九年年底出现及随后的大流行导致地球上几乎每个人的日常生活受到巨大干扰。面对不作为的后果，大多数国家政府的对策是限制其居民的活动。随着学校和企业的关闭，这些人的流动性下降。这种移动性和相关活动的减少是通过无处不在的具有定位功能的个人移动设备记录的。出现的模式因基于地点的活动而异。在这项工作中，这些地方为基础的活动模式的差异进行了调查，在不同的国家，特别侧重于政府制定的政策和社区活动模式的变化之间的关系。我们发现，人们对政府行为的活动反应在国家和地区之间存在很大差异。设计了三种评估措施，其结果与一些全球指数相关。我们讨论这些发现和政府行为和居民的反应之间的关系。
2020-05-18 cs.CY cs.SI
Discussing Privacy and Surveillance on Twitter: A Case Study of COVID-19
技术具有独特的优势，可以帮助我们分析大量信息，以便在广泛的公共卫生问题（如正在进行的COVID-19大流行病）中提供有价值的见解。事实上，像苹果和谷歌这样的信息技术公司最近已经推出了用于接触追踪的工具-能够处理位置数据以确定与可能的患者接触过的人，以遏制病毒的传播。虽然中国和新加坡成功地领导了这一努力，但越来越多的国家现在正在实施这种监控系统，这引发了对这种长期监控的潜在隐私担忧。例如，目前尚不清楚大流行后的信息会发生什么变化，因为在全球危机期间，人们更有可能分享他们的信息，而无需政府详细说明其数据政策。推特上的数字人种学在全世界拥有超过3.3亿用户，其中大多数在大流行病影响最严重的美国，它提供了一个独特的机会，可以在相当自然的环境中了解公众对时事的实时意见。因此，通过分析Twitter数据和前所未有的公共卫生爆发期间的信息共享政策，强调用户的隐私问题（如果存在）可能是有用的。这将使政府能够在卫生紧急情况期间和之后保护其公民。
2020-06-11 cs.CR cs.CY cs.SI
Accelerating the Adoption of Disruptive Technologies: The Impact of COVID-19 on Intentions to Use Autonomous Vehicles
全球交通运输最显著的趋势之一是车辆自动化技术的加速发展。不确定性围绕着自动化移动性的未来，因为在潜在的采用模式、所有权与共享使用状态以及旅行影响方面没有明确的共识。COVID-19疫情的影响加剧了这种不确定性，该疫情引发了出行行为的深刻变化，并以前所未有的速度加快了新技术的采用。因此，本研究探讨COVID-19疫情对采用自动驾驶汽车（AV）新兴技术意愿的影响。我们使用2020年6月向美国700名受访者发布的调查数据，进行了差异中差异回归，以分析在疫情之前和期间使用自动驾驶汽车作为共享车队一部分的意愿变化。结果显示，COVID-19疫情对考虑使用自动驾驶车辆产生积极且高度重大的影响。这种转变是存在的，无论技术知识，性别或城市/农村家庭所在地。年轻、左倾且经常使用共享出行方式的个人预计将更有可能使用自动驾驶汽车。了解这些属性对增加考虑自动驾驶汽车的影响对政策制定非常重要，因为这些影响为预测自动驾驶汽车的采用提供了指导-一旦可用-并确定可能更抵制采用自动驾驶汽车的人群。
2021-12-01 cs.CY econ.GN q-fin.EC
Impact of COVID-19 Policies and Misinformation on Social Unrest
Los Alamos National Lab（洛斯阿拉莫斯国家实验室）；University of California, Berkeley（加州大学伯克利分校）
新型冠状病毒病（COVID-19）大流行影响了地球的每一个角落，扰乱了政府并导致社会经济不稳定。这场危机引发了一些问题，即在变革和压力时期，社会不同部门如何相互作用和相互影响。鉴于这一大流行病对经济和社会产生了前所未有的影响，许多新的数据来源已经出现，使我们能够定量地探索这些关联。了解这些关系可以帮助我们更好地为未来的灾害做好准备，并减轻影响。在这里，我们专注于社会动荡（抗议），健康结果，公共卫生秩序，并在西欧的八个国家和美国的四个地区的错误信息之间的相互作用。我们创建了1-3周的预测，用于识别高抗议活动的时间和随着时间的推移的整体抗议计数的二元抗议指标。我们发现，除了比利时，所有地区的各种数据流中至少有一个特征可以预测抗议活动。然而，抗议预测的准确性因国家而异，也就是说，对于大约一半的分析国家，我们的预测优于简单的模型。这些混合的结果表明，不同的数据流有可能预测像抗议活动这样动荡的话题，以及预测像流行病一样迅速演变的情况的困难。
2021-10-07 cs.CY cs.LG stat.AP
