Twitter 社交流动性数据揭示了 COVID-19 大流行期间社交距离做法的人口变化

克雷默，MU 等人。人员流动和控制措施对中国 covid-19 疫情的影响。科学 368, 493–497 (2020)。

文章
 ADS
中科院
 考研

谷歌学术

Ganem，F. 等人。巴西最大都市区 covid-19 爆发时早期社会疏远的影响。 MedRxiv (2020)。

Lewnard, JA 和 Lo, NC 针对 covid-19 的社会疏远干预措施的科学和伦理基础。柳叶刀感染。迪斯。 20, 631–633 (2020)。

文章
 中科院
 考研
 考研中心

谷歌学术

拉夫曼，J.等人。 Covid-19 美国国家政策数据库（波士顿大学，2020 年）。

谷歌学术

Courtemanche, C.、Garuccio, J.、Le, A.、Pinkston, J. 和 Yelowitz, A. 美国强有力的社会疏远措施降低了 covid-19 增长率：研究评估了社会疏远措施对美国各地确诊的 covid-19 病例的增长率。卫生事务 39, 10–1377 (2020)。

文章

谷歌学术

Abouk, R. 和 Heydari, B. covid-19 政策对美国社会疏远行为的直接影响。公共卫生报告 136(2), 245–252 (2020)。

文章

谷歌学术

Sen-Crowe, B.、McKenney, M. 和 Elkbuli, A。covid-19 大流行期间的社会疏远：呆在家里拯救生命。是。 J.埃默格。医学。 38, 1519–1520 (2020)。

文章
 考研
 考研中心

谷歌学术

Hong, B.、Bonczak, BJ、Gupta, A.、Thorpe, LE 和 Kontokosta, CE covid-19 感染风险的暴露密度和社区差异。过程。国家。阿卡德。科学。 118、e2021258118 (2021)。

文章
 中科院
 考研
 考研中心

谷歌学术

Painter, M. & Qiu, T. 政治信仰影响对 covid-19 社交距离命令的遵守。新冠经济。 4, 103–123 (2020)。

谷歌学术

戈尔维泽，A.等人。身体距离方面的党派差异与 covid-19 大流行期间的健康结果有关。纳特。哼。行为。 4, 1186–1197 (2020)。

文章
 考研

谷歌学术

潘，Y.等人。量化美国 covid-19 爆发期间人类流动行为的变化。科学。报告 10, 1–9 (2020)。

文章

谷歌学术

Hills, S. & Eraso, Y. covid-19 大流行期间与不遵守社交距离规则相关的因素：逻辑回归分析。 BMC 公共卫生 21, 1–25 (2021)。

文章

谷歌学术

扎巴，HM 等人。研究影响 covid-19 传播、严重程度和死亡率的可能因素以及社交距离对这些因素的影响：机器学习预测模型。国际。 J.克林。练习。 75、e14116 (2021)。

文章
 中科院
 考研

谷歌学术

Christner, N.、Sticker, RM、Söldner, L.、Mammen, M. 和 Paulus, M. 为自己或他人预防？解释 covid-19 大流行期间社交距离的心理和社会因素。 J.健康心理学。https://doi.org/10.1177/1359105320980793 （2020）。

文章
 考研
 考研中心

谷歌学术

Pedersen, MJ 和 Favero, N。covid-19 大流行期间的社会疏远：谁是当前和未来的不遵守者？。公共行政修订版 80, 805–814 (2020)。

文章
 考研
 考研中心

谷歌学术

巴基，CO 等。汇总的移动数据可以帮助对抗 covid-19。科学 368, 145 (2020)。

文章
 ADS
考研

谷歌学术

拉斯里，A.等人。社区缓解措施的时机以及报告的 covid-19 和社区流动性的变化 – 美国四个大都市区，2020 年 2 月 26 日至 4 月 1 日。凡人。每周一次。第 69, 451 号报告 (2020)。

文章
 中科院

谷歌学术

Engle, S.、Stromme, J. 和 Zhou, A. 呆在家里：covid-19 的流动性影响。可在 SSRN (2020) 获取。

巴德尔，HS 等人。美国流动模式与 covid-19 传播之间的关联：数学模型研究（《柳叶刀传染病》，2020 年）。

谷歌学术

Adams, AS、Soumerai, SB、Lomas, J. 和 Ross-Degnan, D. 评估指南遵守情况时自我报告偏差的证据。国际。 J. 夸尔。卫生保健 11, 187–192 (1999)。

文章
 中科院
 考研

谷歌学术

Paul, MJ 和 Dredze, M. 公共卫生的社会监测。合成器。讲座信息。概念检索服务。 9, 1–183 (2017)。

中科院

谷歌学术

Paul, MJ 和 Dredze, M。你的推文就是你的推文：分析推特以促进公共卫生。第五届国际 AAAI 网络博客和社交媒体会议（Citeseer，2011 年）。

Benton, A.、Hancock, B.、Coppersmith, G.、Ayers, JW 和 Dredze, M. 桑迪胡克小学之后：推特上枪支管制辩论的一年。预印本位于 http://arxiv.org/abs/1610.02060 (2016)。

辛南伯格，L.等人。 Twitter 作为健康研究工具：系统评价。是。 J. 公共卫生 107，e1-e8 (2017)。

文章
 考研
 考研中心

谷歌学术

Gencoglu, O. 和 Gruber, M. covid-19 期间 Twitter 活动的因果模型。计算 8, 85 (2020)。

文章
 中科院

谷歌学术

Dredze, M.、García-Herranz, M.、Rutherford, A. 和 Mann, G. Twitter 作为社会公益全球流动模式的来源。预印本位于 http://arxiv.org/abs/1606.06343 (2016)。

Xu, P.、Dredze, M. 和 Broniatowski, D. A. Twitter 社交流动性指数：通过地理定位推文衡量社交距离实践。预印本 http://arxiv.org/abs/2004.02397 （2020）。

Huang, X.、Li, Z.、Jiang, Y.、Li, X. 和 Porter, D. Twitter 揭示了 covid-19 大流行期间的人员流动动态。 PloS One 15，e0241957 (2020)。

文章
 中科院
 考研
 考研中心

谷歌学术

Dredze, M.、Paul, M. J.、Bergsma, S. 和 Tran, H. Carmen：应用于公共卫生的 Twitter 地理定位系统。在 AAAI 研讨会上使用 Ai 扩展健康信息学的边界 (hiai)，卷。 23, 45（Citeseer，2013）。

郑 X.、韩 J. 和孙 A. Twitter 位置预测调查。 IEEE 传输。知道。数据工程 30, 1652–1671 (2018)。

文章

谷歌学术

Han, B.、Cook, P. 和 Baldwin, T. 基于文本的 Twitter 用户地理位置预测。 J.阿蒂夫。英特尔。资源。 49, 451–500 (2014)。

文章

谷歌学术

Pavalanathan, U. 和 Eisenstein, J. 地理标记 Twitter 数据中的混淆和后果。在过程中。 2015 年自然语言处理经验方法会议，2138–2148，（计算语言学协会，2015）。 https://doi.org/10.18653/v1/D15-1256

Dredze, M.、Osborne, M. 和 Kambadur, P. Twitter 的地理位置：时机很重要。在过程中。 2016 年计算语言学协会北美分会会议的报告：人类语言技术，1064–1069 (2016)。

Lippi, G.、Mattiuzzi, C.、Sanchis-Gomar, F. 和 Henry, BM 意大利与中国死于 covid-19 的患者的临床和人口特征。 J. Med。病毒。 92, 1759 (2020)。

文章
 中科院
 考研
 考研中心

谷歌学术

Esteve, A.、Permanyer, I.、Boertien, D. 和 Vaupel, J. W. 国家年龄和共同居住模式塑造了 covid-19 脆弱性。 medRxiv (2020)。

大师，NB 等。美国应对新型冠状病毒 (covid-19) 的社会疏远。 PloS One 15，e0239025 (2020)。

文章
 中科院
 考研
 考研中心

谷歌学术

Weill, JA、Stigler, M.、Deschenes, O. 和 Springborn, MR 对 covid-19 紧急声明的社会疏远反应因收入而异。过程。国家。阿卡德。科学。 117, 19658–19660 (2020)。

文章
 ADS
中科院
 考研
 考研中心

谷歌学术

Ruiz-Euler, A.、Privitera, F.、Giuffrida, D.、Lake, B. 和 Zara, I。危机时期的流动模式和收入分配：covid-19 大流行期间的美国城市中心。可在 SSRN 3572324 (2020) 获取。

Borjas, G. J. 纽约市社区检测发病率和 covid-19 感染的人口决定因素。类型技术。国家经济研究局代表（2020 年）。

奥尔科特，H.等人。两极分化和公共卫生：冠状病毒大流行期间社会距离的党派差异。 NBER 工作文件 (2020)。

Cesare, N.、Grant, C. 和 Nsoesie, E. O. 社交媒体上用户人口统计数据的检测：最佳实践方法和建议的回顾。预印本 http://arxiv.org/abs/1702.01807 （2017）。

Mislove, A.、Lehmann, S.、Ahn, Y.-Y.、Onnela, J.-P。 & Rosenquist, JN 了解 Twitter 用户的人口统计数据。 ICWSM 11, 25 (2011)。

谷歌学术

彭纳基奥蒂 (Pennacchiotti)，M. 和波佩斯库 (Popescu)，A.-M. Twitter 用户分类的机器学习方法。第五届国际 AAAI 博客和社交媒体会议（2011 年）。

Huang, X. & Paul, M. 用于文本分类的神经用户因素适应：学习对作者人口统计数据进行概括。在过程中。第八届词汇与计算语义联席会议 (* SEM 2019), 136–146 (2019)。

Burger, J. D.、Henderson, J.、Kim, G. 和 Zarrella, G. 推特上的性别歧视。在过程中。 2011 年自然语言处理经验方法会议，1301–1309 (2011)。

Wood-Doughty, Z.、Andrews, N.、Marvin, R. 和 Dredze, M. 仅根据姓名预测 Twitter 用户人口统计数据。在过程中。第二届社交媒体中人们观点、个性和情绪的计算模型研讨会，105-111 (2018)。

Knowles, R.、Carroll, J. 和 Dredze, M. 人口统计学家：极其简单的姓名人口统计。在过程中。第一届自然语言处理和计算社会科学研讨会，108-113（2016）。

Preoţiuc-Pietro, D. 和 Ungar, L. 来自 Twitter 文本的用户级种族和民族预测因子。在过程中。第 27 届国际计算语言学会议，1534-1545（2018）。

Wood-Doughty, Z.、Xu, P.、Liu, X. 和 Dredze, M. 使用嘈杂的自我报告来预测 Twitter 用户人口统计数据。预印本 http://arxiv.org/abs/2005.00635 （2020）。

王，Z.等人。根据多语言社交媒体数据进行人口统计推断和代表性人口估计。万维网会议，2056-2067（2019）。

Preoţiuc-Pietro, D.、Liu, Y.、Hopkins, D. 和 Ungar, L. 超越二元标签：推特用户的政治意识形态预测。在过程中。计算语言学协会第 55 届年会（第一卷：长论文），729–740 (2017)。

Conover, M. D.、Gonçalves, B.、Ratkiewicz, J.、Flammini, A. 和 Menczer, F. 预测 Twitter 用户的政治立场。 2011 年 IEEE 第三届隐私、安全、风险和信任国际会议和 2011 年 IEEE 第三届社会计算国际会议，192–199（IEEE，2011）。

Andersen, M. 美国应对 covid-19 社会疏远的早期证据。可在 SSRN 3569368 (2020) 获取。

冯，S.等人。在 covid-19 大流行中合理使用口罩。柳叶刀呼吸。医学。 8, 434–436 (2020)。

文章
 中科院
 考研
 考研中心

谷歌学术

Chernozhukov, V.、Kasahara, H. 和 Schrimpf, P. 口罩、政策、行为对美国早期 covid-19 大流行的因果影响。 J.经济。 220, 23–62 (2021)。

文章
 数学科学网
 考研

谷歌学术

艾肯伯里，SE 等人。戴口罩还是不戴口罩：对公众使用口罩遏制 covid-19 大流行的潜力进行建模。感染。迪斯。模型。 5, 293–308 (2020)。

考研
 考研中心

谷歌学术

贝奇，C.等人。 covid-19 大流行期间口罩政策的社会和行为后果。过程。国家。阿卡德。科学。 117, 21851–21853 (2020)。

文章
 ADS
中科院
 考研
 考研中心