Examining Temporalities on Stance Detection Towards COVID-19 Vaccination

要約

タイトル：COVID-19ワクチンに対するスタンス検出における時間性の検討

要約：

– COVID-19ウイルスの伝播を抑制するために、ワクチン接種の重要性が以前の研究で強調されています。
– 政策立案者が広範な視野でワクチン接種に対する人々のスタンスを理解することは重要です。
– しかし、SNS上では、ワクチンに対する賛成派や慎重派のようなスタンスは時間の経過とともに変化しています。
– このため、これらのスタンスを分析する際には、時間性の変化を考慮する必要があります。
– 本研究は、Twitter上のCOVID-19ワクチンに対するスタンス検出における時間性の影響を調べることを目的としています。
– このため、時系列とランダムの分割を使って、トランスフォーマーベースのモデルを評価します。
– 結果、すべての単一言語および多言語データセットにおいて、ランダム分割と時系列分割を比較した場合、モデルの性能に大きな差異があることが示されました。
– 時系列分割はスタンス分類の正確性を著しく低下させます。
– これにより、現実世界でのスタンス検出手法は、時間性の要素をキーとする考慮事項としてさらに洗練される必要があります。

要約(オリジナル)

Previous studies have highlighted the importance of vaccination as an effective strategy to control the transmission of the COVID-19 virus. It is crucial for policymakers to have a comprehensive understanding of the public’s stance towards vaccination on a large scale. However, attitudes towards COVID-19 vaccination, such as pro-vaccine or vaccine hesitancy, have evolved over time on social media. Thus, it is necessary to account for possible temporal shifts when analysing these stances. This study aims to examine the impact of temporal concept drift on stance detection towards COVID-19 vaccination on Twitter. To this end, we evaluate a range of transformer-based models using chronological and random splits of social media data. Our findings demonstrate significant discrepancies in model performance when comparing random and chronological splits across all monolingual and multilingual datasets. Chronological splits significantly reduce the accuracy of stance classification. Therefore, real-world stance detection approaches need to be further refined to incorporate temporal factors as a key consideration.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI