Tracking Public Anxiety During COVID-19 Pandemic

Abstract

The increase of public anxiety level may cause various social problems such as the polarization of public opinion, distrust, and increases in violence and suicide rates. Therefore, it is necessary to manage public anxiety rapidly and appropriately, especially in times of crisis where public anxiety level surges. In order to alleviate public anxiety by appropriately responding to the ever-changing situation, society needs to detect, track, and analyze public anxiety in real-time. Thus, in this study, we utilize Bidirectional Encoder Representations from Transformers (BERT) based anxiety classifier to detect anxiety from the messages posted on social media in real-time. Subsequently, how the longitudinal distribution of public anxiety is affected by the COVID-19 pandemic cycle is examined using intervention time-series analysis. |대중의 불안 수준이 높아지면 여론의 양극화, 불신, 폭력과 자살률 증가 등 다양한 사회 문제가 발생할 수 있다. 따라서 신속하고 적절하게 대중의 불안을 관리할 필요가 있으며, 이는 대중 불안이 급증하는 위기 상황에서 더욱 그러하다. 시시각각 변화하는 위기 상황에 적절하게 대응하여 대중의 불안 수준을 완화하기 위해서는 실시간으로 대중 불안을 감지, 추적, 분석할 필요가 있다. 따라서 본 연구에서는 Bidirectional Encoder Representations from Transformers (BERT) 기반 불안 분류기를 활용하여 소셜 미디어에 올라온 메시지의 불안 여부를 감지하며, 코로나19 대유행 주기가 대중 불안의 종적 분포에 어떠한 영향을 미치는지 개입 시계열 분석을 활용하여 조사한다.