基于Twitter数据的日本主观幸福感指标研究

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《On a Japanese Subjective Well-Being Indicator Based on Twitter data》
---
作者：
Tiziana Carpi, Airo Hino, Stefano Maria Iacus, Giuseppe Porro
---
最新提交年份：
2020
---
英文摘要：
  This study presents for the first time the SWB-J index, a subjective well-being indicator for Japan based on Twitter data. The index is composed by eight dimensions of subjective well-being and is estimated relying on Twitter data by using human supervised sentiment analysis. The index is then compared with the analogous SWB-I index for Italy, in order to verify possible analogies and cultural differences. Further, through structural equation models, a causal assumption is tested to see whether the economic and health conditions of the country influence the well-being latent variable and how this latent dimension affects the SWB-J and SWB-I indicators. It turns out that, as expected, the economic and health welfare is only one aspect of the multidimensional well-being that is captured by the Twitter-based indicator.
---
中文摘要：
这项研究首次提出了SWB-J指数，这是一个基于Twitter数据的日本主观幸福指数。该指数由主观幸福感的八个维度组成，依靠推特数据，通过人类监督情绪分析进行估计。然后将该指数与意大利的类似SWB-I指数进行比较，以验证可能的相似性和文化差异。此外，通过结构方程模型，对因果假设进行检验，以了解该国的经济和健康状况是否影响幸福感潜在变量，以及该潜在维度如何影响SWB-J和SWB-I指标。事实证明，正如预期的那样，经济和健康福利只是基于Twitter的指标所捕捉到的多维幸福感的一个方面。
---
分类信息：

一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--
一级分类：Computer Science        计算机科学
二级分类：Computers and Society        计算机与社会
分类描述：Covers impact of computers on society, computer ethics, information technology and public policy, legal aspects of computing, computers and education. Roughly includes material in ACM Subject Classes K.0, K.2, K.3, K.4, K.5, and K.7.
涵盖计算机对社会的影响、计算机伦理、信息技术和公共政策、计算机的法律方面、计算机和教育。大致包括ACM学科类K.0、K.2、K.3、K.4、K.5和K.7中的材料。
--
一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> On_a_Japanese_Subjective_Well-Being_Indicator_Based_on_Twitter_data.pdf (643.82 KB)

2022-4-28 15:40:20 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：twitter 幸福感 TWI ITT Contribution

基于Twitter数据的日本人主观幸福感指标。Tiziana Carpi*艾罗·希诺+斯特凡诺·玛丽亚·艾库斯¨朱塞佩·波罗¨摘要本研究为第一次是SWB-J指数，这是一个基于Twitter数据的日本主观幸福指数。该指数由主观幸福感的八个维度组成，依靠推特数据，通过人类监督情绪分析进行估计。然后将该指数与意大利的类似SWB-I指数进行比较，以验证可能的相似性和文化差异埃伦斯。此外，通过结构方程模型，对因果假设进行了检验，以确定该国的经济和健康状况是否在持续恶化幸福感潜在变量的影响以及潜在维度ects SWB-J和SWB-I指示器。事实证明，正如预期的那样，经济和健康福利只是基于Twitter的指标所捕获的多维幸福感的一个方面。关键词——主观幸福感、日本、推特数据、情绪分析1简介几十年前，改善社会幸福感明确地进入了决策者的议程，当时很明显，可观察数量的客观衡量指标——首先是GDP——不能令人满意地代表一个社区的福利状况（Stiglitz et al.，2009）。

因此，衡量和监测社会福利的工具开始出现在决策者的工具箱中，逐渐将重点从客观评估转移到主观评估：包括客观和主观幸福维度的多维指标（Barrington Leigh and Escande，2018；Fleurbaey，2009），面对面或电话调查调查公民对自身生活质量感知的样本（Kahneman等人，2004年；Schwarz and Strack，1999年），以及互联网发展后，通过社交网站（SNS）提供的大规模数据，应用多种技术分析个人和集体情绪，目的是从网络上的对话（Luhmann，2017；Scollon，2018）或单词搜索（van der Wielen and Barrios，2020）中得出对幸福状况的评估。在这种情况下，Twitter是最受欢迎的SNS之一，在全球范围内每月有3.3亿活跃用户。由于允许的信息简短，以及潜在的大量推文可用且不断更新，该平台被认为是评估情绪幸福感的最合适的信息来源之一，即生活质量评估的“情绪”或短期组成部分。最近的文献提供了一些基于推特数据的幸福感评估的例子，并基于情绪分析方法，旨在监测社区自我宣称的情绪状态的日常演变。特别是，Dodds等人（2011年）基于所谓的“封闭可撤销”方法，构建了一个名为快乐指数的幸福指数：他们使用机械土耳其语（Mechanical Turk）测量了一组一万个单词的使用频率，并获得了九分制的幸福评估。

他们的数据集非常庞大，从2008年9月到2011年9月，超过6300万Twitter用户发布了约46亿条表达。该项目仍在进行中，佛蒙特大学复杂系统中心现在每天都在评估享乐仪，因此，该中心可以提供自2008年以来的时间序列。Rossouw and Greyling（2020）提出了一个主观幸福指数，名为国民幸福总值指数（Gross National Happiness index）：该指数自2019年以来在三个英联邦成员国进行了评估：南非、新西兰和澳大利亚。该项目的目的是实时衡量各国人民的情绪*意大利米兰米兰大学语言调解和跨文化交际研究系。+日本东京早稻田大学政治科学与经济学院——通讯作者，电子邮件：stefano。iacus@ec.europa.eu§欧盟委员会，联合研究中心，意大利科摩因苏布里亚大学法律、经济和文化系，Via Enrico Fermi 274921027 Ispra（弗吉尼亚州）。https://statista.comhttps://www.mturk.com/https://hedonometer.org/timeseries/en_all/https://gnh.todaycitizens在di期间不同的经济、社会和政治事件：其影响rst申请是一项对在选举期间施加的社会限制的福利影响的审查南非第一波新冠肺炎大流行（Greyling等人，2020年）。为了计算指数，情绪分析被应用到一个实时推特订阅源，每个推特被分配一个积极的、中立的或消极的情绪。然后，一种算法以0到10的比例评估幸福感分数。

国民幸福指数提供了三个国家每小时的幸福指数。其他几项研究将情绪分析应用于Twitter提供的数据，以监测短期幸福感水平（Bollen等人，2017年），但也包括生活满意度，dened作为生活质量的中长期评估（Schwartz等人，2013年；Yang和Srinivasan，2016年；Lim等人，2018年；Durahim和Coskun，2015年；Abdullahet等人，2015年；Quercia等人，2012年；Greco和Polli，2020年）。这项工作使用了一种名为综合情绪分析（iSA）的情绪分析算法（Ceron等人，2016年），以获得日本的综合主观幸福指数SWB-J（主观幸福感日本）。与广泛应用于SNS大数据存储库的情感分析算法和方法相比，iSA的优势在于，iSA是一种人类监督的机器学习方法，其中包含文本样本（训练集）rst读取并手动分类由人类编码人员进行编码，然后语料库（测试集）的其余部分自动分类这个算法使我感到困惑。这使得从文本中提取定性信息不需要依赖字典或特殊的语义规则：相反，iSA可以研究语言的文化、心理和情感方面，掌握非正式和口语表达的所有细微差别。

这一特点特别重要因为已经用相同的方法对意大利（SWB-I）的SWB-J的类似物进行了估算（Iacus等人，20192020A，b）：可以尝试对两个指标进行比较，这有助于完成解开di的挑战性任务从文化和语言角度评价生活质量的差异表达和交流情感和情绪。这一项目是由日本早稻田大学和意大利早稻田大学合作创建的。本文的结构如下：第2节介绍了福利研究中的大数据方法和第3节briey介绍了情绪在日语中表达的一些文化方面，并回顾了一些关于从日语推文中提取情绪的计算语言学的最新文献。第4节描述了本研究中使用的SNS数据以及后续章节中使用的其他数据来源，而第5节描述了用于创建SWB-J指标的情绪分析方法。第6节讨论了由此产生的新的SWB-J指标，并将其特征与意大利对应的SWB-I进行了比较。第7节介绍了一项跨国分析，旨在解释可能影响di的因素通过计量经济分析，SBW-J和SWB-I的不同模式。

第8节总结了这种方法的结果和局限性，附录中包含了有关索引构造的其他技术资料。2为什么通过SNS的大数据评估主观幸福感？幸福感评估已经从对客观数量的评估转向对主观情绪和心理状态的评估，因为观察变量——即使是多维方法——已被证明不足以准确解释社会的福利状况（库兹涅茨，1934；森，1980）。对这种方法的批评已经开始质疑其经验相关性，并为幸福评估策略的颠覆打开了大门：如果由于可观察变量的限制，一维和多维测量都不可靠，评估个人和集体幸福感的唯一可行方法是明确要求人们对自己的状况进行评估。为了实现这一目标，越来越多地广泛使用调查和问卷来收集个人和社区的生存水平和动态信息。Di为了理清自我报告幸福感的偶然、情感方面和生活满意度的评估，人们开发了不同的调查方法——也受到所应用技术（面对面采访、电话、互联网）的制约——这需要从中长期的角度审视当前和过去的事件。然而，基于调查的研究有一个重要的意义这是调查本身在幸福感评估中引发的偏见。这是一种“霍桑”Angus Deaton（Deaton，2012；Deaton and Stone，2016）指出：事实上，改变调查问题的顺序可能有助于老练的ect——受访者对自己情绪或生活质量的评价。

更一般地说，当受访者意识到自己的生活被要求进行评估，并在进行评估时被观察到时，他们给出的答案可能会因这种意识而产生偏见。因此，分析人士面临的困境非常明显：一方面，他们希望让人们对自己的幸福状况进行自我评估，以克服这种困境基于可观测量的测量所产生的科学；另一方面，他们不应该要求人们进行自我报告的评估，以避免由于受访者的意识而产生偏见。随着虚拟通信时代的开始，提供了一个新的大规模数据源，似乎可以满足对此类信息的需求：事实上，一个巨大且不断更新的数据源的可用性从理论上讲，社交网络上的大量对话提供了一个实时的机会，让人们可以了解人们对自己日常生活质量的看法——无论是从情感角度还是从评价角度——而无需提交任何也被称为“观察者e”ect”，这是一种现象，通过这种现象，个体会根据自己被观察到的不明显而改变自己的行为（Landsberger，1958）。明确的问卷调查。这催生了一系列研究，其目的是从Facebook、Twitter、Instagram等知名平台上发布的大量文字或图像中提取有意义的信息（Voukelatou et al.，ming）。来自SNS的大规模数据集的主要优点之一是它们的持续更新。它Ers现在预测活动的机会：事实上，虽然传统上认为与福利相关的变量——比如GDP或发病率——只有在时间滞后的情况下才能观察到，但这有时会让决策者的干预变得不那么容易总之，SNS数据可以实时监控公众情绪，并可以预测客观变量的变化。

此外，当情感分析的方法与语言无关时（也就是说，它们可以应用于用di表达的文本）不同的语言，没有任何特别的限制），语言和社会文化背景之间的比较是可能的，其中不仅语言使用中可能出现差异，但也可能出现文化差异城市——比如在表达情感时施加更严格自我控制的社会习俗——可以被发现，只要它们被记录在虚拟对话中。另一方面，SNS数据也有一些固有的局限性。首先，这些平台的用户不是整个人口的代表性样本：因此，通过分析这些数据可以实现的任何社会福利评估都不能立即扩展到整个人口。调整程序可以应用于使结果更一般化，但最重要的是，尽管SNS的代表性有限，但它可以被视为一种发表意见的场所，在这里，表达的观点观察或预测集体情绪和趋势。这实际上表明，第二个缺点可以归咎于通过SNS数据评估幸福感：社交网络的使用本身可以改变自我感知或自我宣称的幸福感。事实上，即使SNS用户没有回答任何关于他们个人身份的明确问题，他们也知道自己在与社区分享自己的感受，这可能会扭曲他们的幸福自我报告，以满足自我表达的需求。此外，SNS消息和文本似乎更适合重新发布ect短期情绪变化比长期生活质量评估更可靠：因此，基于SNS数据的幸福指数作为情绪幸福的衡量标准比作为生活评估的来源更可靠。

然而，尽管这句话是正确的，但定量分析有助于分离网络虚拟对话所描述的幸福路径的不稳定成分和结构成分。这一新数据源的可用性提出的一个重要问题是技术问题：技术设备的不可计算能力的增加本身并不能保证在虚拟对话中从背景噪音中分离有用信息的能力。继加里·金（Gary King）之后，我们可以说“大数据与数据无关”（King，2016）：它更重要的是从数据中提取知识的机会，这需要足够的方法和工具。幸运的是，统计理论及其应用的最新进展正在提高社会科学家分析这些大规模数据集内容的能力，并促进对数据的区分情绪分析的不同方法。我们在这项工作中提出的主观幸福感指标是基于iSA算法，这是这些新方法之一。3.表达情感在日本文化和宫屋（2007）提到的SNSA中，在传统的日本交流中，人们倾向于保持距离，确定和主观的体验（松本，1999）。在语篇分析方面，大多数研究集中在同一个词上2014年，安达尼斯基等人在博客上发表了文章ect分析。作为表情符号，或表情符号，在日语书面数字交流中是很特殊的。例如，在图形化表情符号出现之前，西方文化中使用的是横向情感，如“：”等，而在日本（其他亚洲国家），表情符号过去和现在都是垂直的，如“（`o\'）”。表情符号werealready是20世纪90年代末在日本作为移动设备（如Jphone和iMode）的标准消息平台包安装的。