Exploring U.S. Shifts in Anti-Asian Sentiment with the Emergence of COVID-19.
Exploring U.S. Shifts in Anti-Asian Sentiment with the Emergence of COVID-19.
复制标题
DOI：
10.3390/ijerph17197032
复制
发表时间：
2020-09-25
影响因子：
--
通讯作者：
Nguyen QC
中科院分区：
文献类型：
--
作者：
Nguyen TT;Criss S;Dwivedi P;Huang D;Keralis J;Hsu E;Phan L;Nguyen LH;Yardi I;Glymour MM;Allen AM;Chae DH;Gee GC;Nguyen QC
背景：坊间报道表明，针对新浪新冠肺炎的回应，反亚种族态度和歧视有所上升。种族主义可能会对社会、经济和健康产生重大影响，但很少有人对反亚洲偏见的增加进行系统调查。方法：我们利用Twitter的流媒体应用编程接口(API)收集了2019年11月至2020年6月期间美国3377,295条与种族相关的推文。情感分析使用支持向量机(支持向量机)，这是一种有监督的机器学习模型。将机器学习模型与手动标记的推文进行比较，识别负面情绪的准确率为91%。我们调查了新冠肺炎出现前后种族情绪的变化。结果：涉及亚洲人的负面推文比例增加了68.4%(从11月份的9.79%增加到3月份的16.49%)。相比之下，在此期间，涉及其他种族/少数族裔(黑人和拉丁裔)的负面推文比例保持相对稳定，涉及黑人的推文下降不到1%，涉及拉丁裔的推文增加2%。在对3300条推文进行随机抽样的内容分析中，出现的常见主题包括：种族主义和指责(20%)、反种族主义(20%)和对日常生活的影响(27%)。结论：社交媒体数据可以用来提供及时的信息，以调查地区层面种族情绪的变化。
Background: Anecdotal reports suggest a rise in anti-Asian racial attitudes and discrimination in response to COVID-19. Racism can have significant social, economic, and health impacts, but there has been little systematic investigation of increases in anti-Asian prejudice. Methods: We utilized Twitter’s Streaming Application Programming Interface (API) to collect 3,377,295 U.S. race-related tweets from November 2019–June 2020. Sentiment analysis was performed using support vector machine (SVM), a supervised machine learning model. Accuracy for identifying negative sentiments, comparing the machine learning model to manually labeled tweets was 91%. We investigated changes in racial sentiment before and following the emergence of COVID-19. Results: The proportion of negative tweets referencing Asians increased by 68.4% (from 9.79% in November to 16.49% in March). In contrast, the proportion of negative tweets referencing other racial/ethnic minorities (Blacks and Latinx) remained relatively stable during this time period, declining less than 1% for tweets referencing Blacks and increasing by 2% for tweets referencing Latinx. Common themes that emerged during the content analysis of a random subsample of 3300 tweets included: racism and blame (20%), anti-racism (20%), and daily life impact (27%). Conclusion: Social media data can be used to provide timely information to investigate shifts in area-level racial sentiment.
登录
查看更多内容
种族认同和隐性种族偏见在自我报告的种族歧视中的作用：对非裔美国人男人的抑郁症的影响。
DOI：
10.1177/0095798417690055
发表时间：
2017
期刊：
The Journal of black psychology
影响因子：
--
作者：
Chae DH;Powell WA;Nuru-Jeter AM;Smith-Bynum MA;Seaton EK;Forman TA;Turpin R;Sellers R
通讯作者：
Sellers R
影响因子：
4.2
作者：
Darling-Hammond, Sean;Michaels, Eli K.;Johnson, Rucker C.
通讯作者：
Johnson, Rucker C.
DOI：
10.3390/ijerph16101766
发表时间：
2019-05-02
影响因子：
--
作者：
Nguyen, Thu T.;Criss, Shaniece;Nguyen, Quynh C.
通讯作者：
Nguyen, Quynh C.
影响因子：
3.5
作者：
Lauderdale, DS
通讯作者：
Lauderdale, DS
影响因子：
1.9
作者：
LANDIS, JR;KOCH, GG
通讯作者：
KOCH, GG