Do economic effects of the anti-COVID-19 lockdowns in different regions interact through supply chains?
为了防止COVID-19的传播，许多城市、州和国家已经“封锁”，限制非必要部门的经济活动。这种封锁措施使大多数国家的产量大幅下降。本研究以日本160万家企业的供应链数据为基础，模拟了基于代理人的生产模型，考察了不同地区封锁的经济影响如何通过供应链（生产企业网络）相互作用。我们进一步研究了复杂的网络结构如何影响封锁的相互作用，强调通过将供应链流分解为潜在的和循环的流组件，上游和循环的作用。我们发现，一个地区的上游位置、循环强度以及供应链中供应商与其他地区的替代性在很大程度上决定了该地区封锁的经济影响。特别是，当一个地区解除封锁时，其经济复苏情况会因该地区是单独解除封锁，还是与通过供应链紧密相连的另一个地区一起解除封锁而产生很大差异。这些结果表明，有必要进行区域间政策协调，以减少封锁造成的经济损失。
2021-01-07 cs.MA cs.SI econ.GN
A Smartphone enabled Approach to Manage COVID-19 Lockdown and Economic Crisis
新型COVID-19的出现导致卫生系统超负荷运转和高死亡率。关键的优先事项是控制疫情，防止感染率上升。在此背景下，许多国家目前处于一定程度的封锁状态，以确保全体人口保持极端的社交距离，从而减缓疫情传播。此外，当局使用病例隔离策略和手动第二/第三接触者追踪来遏制COVID-19疾病。然而，人工接触者追踪是一项耗时且劳动密集型的任务，使公共卫生系统不堪重负。在本文中，我们开发了一种基于智能手机的方法，用于自动和广泛地追踪确诊的COVID-19病例的接触者。特别是，接触者追踪方法创建了一份附近人员的名单，并将确诊的COVID-19病例通知联系人或官员。这种方法不仅可以让靠近感染地区的个人提高警惕，还可以跟踪COVID-19携带者可能不记得的偶然接触者。此后，我们开发了一个仪表板，为政府官员提供如何安全解除封锁/大规模隔离的计划，从而应对经济危机。仪表板用于根据收集到的位置和附近注册用户的距离测量值预测锁定区域的级别。预测模型使用K均值算法作为用于锁定管理的无监督机器学习技术。
2020-05-19 cs.CY cs.HC cs.SI
Breaking Down the Lockdown: The Causal Effects of Stay-At-Home Mandates on Uncertainty and Sentiments During the COVID-19 Pandemic
本文以2020年2月意大利突发封锁为准实验，利用Twitter文本和交错双重差分法评估居家令对公众不确定性与情绪的因果效应。
2023-06-01 cs.SI econ.GN q-fin.EC
YouTubing at Home: Media Sharing Behavior Change as Proxy for MobilityAround COVID-19 Lockdowns
遵守公共卫生措施，如限制行动和社交活动，对于限制严重急性呼吸系统综合征冠状病毒2型（也称为COVID-19）等疾病的传播至关重要。虽然大型人口数据集（如基于电话的移动数据）可以提供对此类合规性的一些了解，但它通常是专有的，并且可能不适用于所有地区。在这项工作中，我们研究了社交媒体上的视频共享作为互联网用户在家花费的时间量的代理的有用性。我们特别关注在109个国家实施COVID-19封锁措施之前及期间在Twitter上分享YouTube视频的人数。我们发现，各国的媒体分享行为差异很大，有些国家对封锁法令立即做出反应-主要是通过大幅增加分享量-而另一些国家则有很大的滞后。我们证实，这些见解与移动性密切相关，如使用电话数据测量的。最后，我们说明了媒体共享和移动行为的变化更剧烈周围强制锁定，而不是更宽松的建议。我们将媒体共享量数据提供给研究界，以持续监测公共卫生措施的行为变化。
2021-03-26 cs.CY cs.SI
A Modified Epidemiological Model to Understand the Uneven Impact of COVID-19 on Vulnerable Individuals and the Approaches Required to Help them Emerge from Lockdown
COVID-19在年轻健康个体中显示出相对较低的死亡率，该群体中的大多数无症状或症状轻微，而在具有基础健康状况的个体中，疾病的严重程度导致全球范围内的死亡率显著上升。了解社会不同部门之间的死亡率差异并建立模型，将有助于确定不同的风险和脆弱性水平，以制定退出封锁的战略。然而，流行病学模型不能解释不同人群中SARS-CoV-2疾病严重程度的变异性。为了克服这一局限性，它提出了一个modifed SEIR模型，即SEIR-V，通过它的人口被分为两组关于他们对SARS-CoV-2的脆弱性。这使得在对社会中不同群体的易感染性采取不同的衡量标准时，能够分析这一流行病的传播情况。一项蒙特卡罗模拟表明，只要稍微减少弱势群体感染艾滋病的机会，就可以避免大量死亡。根据这一模型，可以提出一些机制来限制易受感染者感染这种疾病，以降低这一群体的死亡率。一种选择是为脆弱人群和那些没有接触追踪应用程序的人提供腕带。通过将智能手机应用程序和腕带信号中非常密集的接触追踪数据与有关感染状态和症状的信息相结合，脆弱人群可以得到保护并保持更安全。若能广泛使用，保障范围便会进一步扩展至这些高危组别以外。
2020-06-19 cs.SI physics.soc-ph
The propagation of the economic impact through supply chains: The case of a mega-city lockdown against the spread of COVID-19
本研究量化了为防止COVID-19传播而可能封锁东京的经济影响。由于供需短缺，封锁的负面影响可能会透过供应链蔓延至其他地区。通过对日本近160万家企业的实际供应链运用基于代理人的模型，模拟了在东京都内，如果对市民的生存不重要的生产活动停止一定时间，东京都外的生产活动会发生什么情况。我们发现，当东京被封锁一个月时，对其他地区的间接影响将是对东京直接影响的两倍，导致日本总产量损失27万亿日元，相当于其年度GDP的5.3%。尽管东京停产占日本总产量的21%，但封锁将导致日本每日产量在一个月内减少86%。
2020-03-31 cs.SI econ.GN q-fin.EC
The Language of Food during the Pandemic: Hints about the Dietary Effects of Covid-19
University of Arizona（亚利桑那大学）
我们研究了美国大流行封锁期间Twitter上的食物语言，重点关注2020年3月15日至5月15日的两个月。具体来说，我们分析了封锁期间和前五年同等时期发布的超过77万条推文，并强调了几个令人担忧的趋势。首先，我们观察到，在封锁期间，从提到健康食品到提到不健康食品有明显的转变。第二，我们发现在封锁期间，抑郁标签与食物相关的推文的逐点互信息增加，抑郁标签与不健康食品、烟草和酒精之间的关联增加。
2020-10-15 cs.CL cs.SI
Characterizing Human Mobility Patterns During COVID-19 using Cellular Network Data
在本文中，我们的目标是分析和比较COVID-19大流行期间封锁前、封锁期间和封锁后阶段的蜂窝网络使用数据，以了解和模拟大流行期间的人类流动模式，并评估封锁对流动性的影响。为此，我们与巴西主要的蜂窝网络提供商之一合作，收集并分析了2020年3月1日至2020年7月1日期间里约热内卢市及其郊区所有用户的1400个天线的蜂窝网络连接。我们的分析显示，在封锁阶段，蜂窝连接总数下降至78%，然后随着封锁的放松，增加至COVID前时代的85%。我们观察到，随着越来越多的人远程工作，天线在总流量中占前10%，与里约市中心天线的连接数量急剧减少，其他地点的天线取代了它们的位置。我们还观察到，虽然在锁定阶段期间每天有近40-45%的用户仅连接到1个天线，表明没有移动性，但仍有约4%的用户（即，8万用户）连接到10个以上的天线，这表明移动性非常高。最后，我们设计了一个交互式工具，展示了不同粒度的移动模式，可以帮助人们和政府官员了解特定社区的个人移动性和COVID病例数量。我们基于大规模数据对流动模式的分析、推断和互动展示，可以外推到世界其他城市，并有可能帮助设计未来更有效的流行病管理措施。
2020-10-27 cs.SI
Altruism and anxiety: Engagement with online community support initiatives (OCSIs) during Covid-19 lockdown in the UK and Ireland
考虑到人们对新型冠状病毒疫情封锁期间心理健康的担忧，了解接触在线新型冠状病毒相关材料如何影响情绪非常重要。在英国和爱尔兰，出现了在线社区支持计划（OCSI），以帮助人们管理他们的生活。然而，人们如何参与这些活动，或者他们是否影响了随后的情绪，却知之甚少。我们进行了调查，以探索英国和爱尔兰的人们如何与OCSI互动，发现70%的人这样做是为了提供支持（例如提供公司）。那些这样做的人报告说，事后感觉明显平静，那些出于一般担忧（例如对反社会行为的反应）的人报告说，事后感觉明显更加焦虑，但那些出于其他原因（例如分享经验或观点）的人报告的情绪没有差异。因此，出于利他目的与OCSI接触可能有助于让人们感到平静。
2020-06-12 cs.CY cs.SI
Exploring the roles of local mobility patterns, socioeconomic conditions, and lockdown policies in shaping the patterns of COVID-19 spread
Facultad de Ingeniería, Universidad del Desarrollo（发展大学工程学院）
该研究将COVID-19传播相关背景视为复杂适应系统，融合多类数据构建模型，探究流动、社会经济因素及封锁政策对传播异质性的影响，开发可通用的抗疫公共政策效果评估优化方法。
2021-03-05 cs.SI physics.soc-ph stat.AP
Don't be a Victim During a Pandemic! Analysing Security and Privacy Threats in Twitter During COVID-19
在COVID-19封锁期间，社交媒体平台的使用量大幅上升。这些封锁期导致了一系列新的网络犯罪，从而使攻击者能够用一系列威胁来攻击社交媒体用户。本文进行了一项大规模研究，以调查流行病和封锁期对社交媒体用户安全和隐私的影响。我们分析了来自533天数据抓取的1060万条与COVID相关的推文，并调查了用户在三个不同时期（即，在锁定之前、期间和之后）。我们的研究表明，用户在撰写有关大流行形势的文章时，无意中分享了更多的个人身份信息（例如，分享附近的冠状病毒检测地点）。如果用户发布三条或更多关于疫情的敏感推文，隐私风险将达到100%。我们调查了疫情不同阶段社交媒体上共享的可疑域名数量。我们的分析显示，与其他锁定阶段相比，锁定期间可疑域名的数量有所增加。我们观察到，IT、搜索引擎和企业是包含可疑域的前三大类别。我们的分析表明，对手煽动恶意活动的策略会随着国家的流行情况而变化。
2023-03-26 cs.CR cs.CY cs.SI
#StayHome Playing LoL -- Analyzing Players' Activity and Social Bonds in League of Legends During Covid-19 Lockdowns
人类是社会性动物。因此，与新型冠状病毒疫情相关的社交距离和行动限制对大部分人口的福祉造成严重后果，导致孤独感和相关精神疾病增加，这并不奇怪。许多人在多人在线游戏中找到了情感庇护所，这已经被证明是伟大的社交孵化器。虽然游戏对个人的积极影响已经很明显，但我们仍然不知道游戏是如何以及是否培养了人们所寻求的连通性的基本需求。换句话说：随着大流行的到来，参与者的社会纽带和互动模式发生了怎样的变化？为此，我们分析了一个在线多人游戏（英雄联盟）的一年数据，以观察新冠肺炎对三个不同地理区域（即，欧洲、北美和韩国）。我们的研究结果显示，新型冠状病毒疫情限制的发展与玩家活动之间存在密切关系，同时还存在更强大和经常性的社会联系，尤其是对于致力于游戏的玩家。此外，具有强化社会纽带的玩家，与相似队友一起打球的人更有可能留在比赛中，即使限制被取消。
2021-06-24 cs.HC cs.SI
Assessing the impact of the coronavirus lockdown on unhappiness, loneliness, and boredom using Google Trends
COVID-19大流行导致许多政府实施封锁。虽然封锁可能有助于遏制病毒的传播，但可能会对人口福祉造成重大损害。这项研究依赖于谷歌趋势数据，并测试了欧洲和美国实施的封锁是否导致了与幸福相关的主题搜索词的变化。使用不同的方法来评估封锁的因果影响，我们发现在欧洲和美国的无聊搜索强度大幅增加。我们还发现，对孤独、担忧和悲伤的搜索量显著增加，而对压力、自杀和离婚的搜索量反而下降。我们的研究结果表明，人们的心理健康可能受到封锁的严重影响。
2020-04-25 cs.CY cs.SI physics.soc-ph
Network-based Prediction of COVID-19 Epidemic Spreading in Italy
SARS-CoV-2病毒最初出现在中国武汉市，随后几乎在全球范围内传播，导致大流行，在中国病例中，该病毒在接触网络上相当好地遵循SIR（易感-传染-隔离）流行模型。在本文中，我们调查的SIR模型对网络的预测精度也为意大利。具体来说，意大利地区是一个集合种群代表的网络节点和网络链接是这些地区之间的相互作用。然后，我们修改了基于网络的SIR模型，以考虑意大利政府在COVID-19传播的各个阶段采取的不同封锁措施。我们的研究结果表明，基于网络的模型更好地预测每日累计感染的个人时，随时间变化的锁定协议被纳入经典的SIR模型。
2020-10-27 cs.SI physics.soc-ph q-bio.PE
Studying the UK Job Market During the COVID-19 Crisis with Online Job Ads
COVID-19全球大流行及为缓解疫情而实施的封锁政策对劳工市场产生深远影响。了解这些影响要求我们尽可能接近实时的地获取和分析数据，特别是在规则迅速变化和当地实施封锁的情况下。在这项工作中，我们研究了英国的劳动力市场，通过分析数据从网上就业委员会Reed.co.uk。使用主题建模和地理推断方法，我们能够按部门和地理划分数据。我们还研究了自3月份COVID-19危机袭击英国以来，工资、合同类型和工作模式的变化。总体而言，在封锁的头几周，空缺率下降了60%至70%。到今年年底，数字有所恢复，但总的工作广告赤字超过40%。按行业细分，酒店业和毕业生职位的空缺大幅减少，而在封锁期间，护理工作和护理职位的空缺增加。地域差异不如行业之间的差异显著，但有迹象表明，当地封锁阻碍了复苏，受影响较轻的地区可能出现了较小的空缺减少。在工资分配以及全职和长期工作的数量方面也有小而重大的变化。除了这些结果，这项工作提出了一个开放的方法，使这些不稳定的条件下，就业市场的快速和详细的调查，我们描述了一个Web应用程序\url{jobtrender.com}，允许其他人查询这个数据集。
2021-01-31 cs.CY cs.SI
Mobile phone data analytics against the COVID-19 epidemics in Italy: flow diversity and local job markets during the national lockdown
了解集体流动模式对于计划重新启动生产和经济活动至关重要，目前这些活动处于待命状态，以防止流行病的扩散。在这份报告中，我们使用手机数据来推断意大利各省和直辖市之间的人员流动，并分析了全国封锁之前和期间（2020年3月9日）以及关闭非必要的生产和经济活动之后（2020年3月23日）的流入，流出和内部流动流量。跨省市的人口流动使得能够针对每个市或省的流动性建立风险指数模型。这一指数将是一个有用的指标，可用来推动采取应对措施，以应对流行病突然死灰复燃的情况。移动电话数据，即使是为了保护个人隐私而汇总起来，也是一个有用的数据来源，可用于跟踪人员流动的时间演变，从而可监测物理距离等控制措施的有效性。我们解决以下分析问题：如何流动性结构的领土变化？在封锁期间，流入和流出的流量是否变得更可预测，工作日和周末之间有什么区别？我们能否根据人员流动情况发现适当的当地就业市场，从而最终确定当地疫情爆发的边界？
2020-04-23 cs.SI stat.AP
Quantifying human mixing patterns in Chinese provinces outside Hubei after the 2020 lockdown was lifted
接触模式在人群中呼吸道传染病的传播中起着关键作用。在COVID-19大流行期间，由于当局及个人选择施加的社交距离，人口的常规接触模式已被打乱。在此，我们展示了2020年3月在湖北省以外的中国省份进行的接触调查的结果，当时封锁刚刚解除。然后，我们利用估计的混合模式来校准SARS-CoV-2传播模型，该模型用于按年龄估计COVID-19负担的不同指标。研究参与者报告每天接触2.3次（IQR：1.0-3.0），平均每次接触持续时间为7.0小时（IQR：1.0-10.0）。各省之间没有观察到显著差异，记录的接触人数没有显示出明显的年龄趋势，大多数记录的接触发生在家庭成员之间（约78%）。我们的研究结果显示，尽管调查时已不再实施封锁，但与疫情前相比，人们仍严重限制接触。此外，所获得的建模结果突出了考虑年龄接触模式以估计COVID-19负担的重要性。
2021-11-27 cs.CY cs.SI
COVID-19: Social Media Sentiment Analysis on Reopening
University of Houston（休斯顿大学）
新型冠状病毒（COVID-19）疫情是2020年社交媒体平台上最热门的话题。人们正在使用Twitter等社交媒体表达他们的意见，并分享有关COVID-19在此居家令中的一些问题的信息。在本文中，我们调查的情绪和情感的人在美国的主题重新开放。我们选择社交媒体平台Twitter作为分析对象，通过对Twitter上的推文进行分析，发现其中的情感视角、情感视角以及触发重新开放的话语。在COVID-19大流行期间，研究人员对各种社交媒体数据集进行了一些关于封锁和呆在家里的分析。然而，在我们的分析中，我们特别有兴趣分析公众对重新开放的情绪。我们的主要发现是，当所有州在3月份采取封锁措施时，人们表现出了恐惧的主导情绪，但随着重新开放，人们的恐惧感减少了。虽然这可能是真的，但由于这一重新开放阶段，与封锁情况相比，每日的积极案例正在增加。总体而言，人们对重新开放的负面情绪有所减少。
2020-06-01 cs.CL cs.IR cs.SI
A Pipeline for Graph-Based Monitoring of the Changes in the Information Space of Russian Social Media during the Lockdown
随着COVID-19爆发及随后的封锁，社交媒体成为重要的沟通工具。网上活动的突然爆发影响了信息传播和消费模式。它增加了研究社交网络动态和开发数据处理管道的相关性，这些数据处理管道允许在时间维度上对社交媒体数据进行全面分析。本文探讨了在关键时期（大规模COVID-19爆发和第一次政府措施），俄罗斯社交媒体（Twitter和Livejournal）所代表的信息空间的每周动态。这一办法有两个方面：a）通过识别每周的COVID相关主题并测量用户对主题空间的贡献来构建主题相似性指标的时间序列，以及b）对用户活动进行聚类并在仪表板应用程序中的图形上显示用户-主题关系。本文介绍了管道的发展，解释了所作的选择，并提供了一个案例研究的适应病毒控制措施。研究结果证实，应对大流行病引发的变化的社会进程和行为可以在社交媒体中成功追踪。此外，心理学和社会学研究所揭示的适应趋势反映在我们的数据中，可以使用所提出的方法进行探索。
2021-10-24 cs.IR cs.SI
Predicting COVID-19 cases using Bidirectional LSTM on multivariate time series
College of Engineering（工程学院）
背景资料：为协助政策制定者采取适当决策以阻止COVID-19大流行的传播，准确预测疾病传播至关重要。材料与方法：本文提出了一种深度学习方法，使用双向长短期记忆（Bi-LSTM）网络预测COVID-19病例的累积数量，该网络应用于多变量时间序列。与其他预测技术不同，我们提出的方法首先使用K-Means聚类算法对具有相似人口和社会经济方面以及卫生部门指标的国家进行分组。每个集群国家的累积病例数据（其中包含与封锁措施相关的数据）被馈送到双向LSTM，以训练预测模型。结果：我们通过研究卡塔尔的疾病暴发，验证了所提出的方法的有效性。定量评估，使用多个评估指标，表明所提出的技术优于国家的最先进的预测方法。结论：除了封锁措施外，还使用多个国家的数据，提高了对每日累计COVID-19病例预测的准确性。
2020-09-10 cs.LG cs.SI
