重大疫情下社会情绪的演变机制——基于Twitter和GDELT等大数据的分析

作     者：龚为纲 朱萌 陈浩 Gong Weigang;Zhu Meng;Chen Hao

作者机构：武汉大学社会学院、大数据研究院 湖北经济学院、财经高等研究院 南开大学周恩来政府管理学院 

出 版 物：《社会学研究》 (Sociological Studies)

年 卷 期：2023年第38卷第3期

页      面：203-225,M0007页

核心收录：

学科分类：050302[文学-传播学] 050301[文学-新闻学] 05[文学] 0503[文学-新闻传播学] 

基　　金：国家社会科学基金项目“基于大数据的社会情绪风险与网络集群事件治理研究”(22BSH024) 教育部人文社会科学研究一般项目“基于大数据的西方主要社会思潮发展动态及其有效引导研究”(18YJC710016)的阶段性成果 

主　　题：大数据 社会情绪 新冠疫情 Twitter GDELT 

摘      要：本文基于Twitter和GDELT等互联网大数据,结合风险沟通、风险应对等风险治理因素,分析重大疫情下社会恐慌、焦虑和抑郁等社会情绪的演变机制。重大疫情下主要负面情绪包括恐慌、焦虑和抑郁等,这些负面情绪大规模爆发主要集中在第一波疫情初期,后期疫情反弹期间负面情绪波动幅度明显要小。本文分别从威胁感知与应对效能、社会压力与社会支持的分析框架解释恐慌和抑郁情绪的演变。世界各地负面情绪的变动既有相似性,也有多样性,这与世界各地抗疫模式的多样性以及文化特征因素密切相关。本研究的发现对于应急管理和社会心态引导具有重要参考意义。