No Penulis dan tahun Tujuan Metode penelitian Jumlah Hasil
responden/sampel 1. Sijia Li, Yilin Tujuan dari Dalam penelitian Sampel dalam Di antara 17.865 Wang, Jia Xue, penelitian ini ini, kami penelitian ini pengguna Weibo aktif, Nan Zhao, dan adalah untuk menggunakan berasal dari 25,23% adalah laki- Tingshao Zhu. mengeksplor Online Ecological kumpulan data laki dan 77,95% Diterima: 28 asi dampak Recognition Weibo asli. berasal dari Cina Februari 2020 COVID-19 (OER), yang Kumpulan data Timur, yang Dikirim: 17 Maret pada manusia disebut otomatis berisi dianggap sebagai 2020 kesehatan pengakuan profil lebih dari 1,16 juta wilayah terkaya di Diterbitkan: 19 mental, untuk psikologis pengguna Weibo Cina. Usia pengguna Maret 2020 membantu (misalnya, aktif. Weibo adalah yang mendaftarkan pembuat kecemasan, platform populer tanggal lahir mereka 1 kebijakan kesejahteraan, dll.) untuk berbagi dan di profil mereka mengembang dengan mendiskusikan (n = 4156, 23,26%) kan kebijakan menggunakan individu berkisar antara 8 yang dapat model prediksi informasi dan hingga 56 tahun ditindak berdasarkan data aktivitas dengan usia rata-rata lanjuti, dan perilaku ekologis kehidupan, serta 33 tahun. membantu dari Weibo. berita selebriti di praktisi klinis Tiongkok. digambarkan dalam (misalnya, Kami Data yang diambil Tabel 1. pekerja menggunakan termasuk (1) Tabel 1. Karakteristik sosial, sistem Text Mind informasi profil demografis peserta psikiater, dan yang pengguna, (2) yang dipilih. psikolog) dikembangkan oleh perilaku jaringan, n (%) menyediakan Computational dan (3) Weibo Jenis kelamin layanan tepat Cyber Psychology pesan. Privasi pria waktu untuk Laboratory dilindungi secara 4507 (25.23) populasi yang di Institute of ketat selama Perempuan terkena Psychology, prosedur, mengacu 13.358 (74,77) dampak. Chinese Academy pada prinsip- Usia of Sciences untuk prinsip etika. –9 tahun : 110 (0.62) mengekstraksi fitur Kami telah 10–19 tahun : 20 konten, termasuk memperoleh (0.11) Alat segmentasi persetujuan Komite 20–29 tahun : 2035 kata Mandarin, dan Etik dan kode (11,39) kamus etiknya adalah 30–39 tahun :1598 psikoanalitik H15009. (8.94) Kriteria inklusi 40– tahun : 393 (2.20) Kami berikut digunakan data tidak ada menggunakan kata untuk memilih 13.709 (76,74) Cina alat pengguna Weibo Wilayah lokasi segmentasi untuk aktif dari kumpulan Cina Timur membagi konten data. 13.925 (77,95) microblog asli Pertama, mereka Cina Tengah pengguna menjadi telah menerbitkan 1644 (9.20) kata / frasa dengan setidaknya 50 Cina Barat linguistik anotasi, posting Weibo asli 2296 (12.85) seperti kata kerja, sekitar sebulan dari Total kata benda, kata 31 Desember, 17.865 (100) keterangan, dan 2019 hingga 26 objek, dan Januari, 2020. 3.2. Perbedaan kemudian Kedua, jenis Linguistik diekstraksi secara otentikasi mereka Dalam penelitian ini, psikologis kategori adalah non- kami membandingkan yang berarti institusional kategori LIWC antara melalui LIWC Cina (misalnya, minggu sebelumnya yang pengguna individu, (T-sebelum) dan disederhanakan dll.) Ketiga, setelah (Penyelidikan otentikasi regional (T-setelah) 20 Januari, Bahasa dan Jumlah mereka di China, ditunjukkan pada Kata). bukan "luar negeri" Tabel 2. Ini berisi dua Kamus Fitur atau "lainnya". jenis kategori LIWC: leksikal ini adalah Kami akhirnya kata-kata emosi dan sumber data untuk memperoleh kata-kata yang analisis frekuensi 17.865 pengguna memprihatinkan. kata. Weibo aktif, lalu Kata-kata emosi mengambil semua termasuk emosi positif Setelah ekstraksi posting asli mereka (misalnya, iman, fitur, kami yang diterbitkan kepuasan, dan berkat), menggunakan selama 13 Januari, emosi negatif model prediksi 2020 hingga 26 (misalnya, khawatir, psikologis Januari, 2020 curiga, dan cemburu), diperoleh dari menjadi periode kecemasan (misalnya, pelatihan dua minggu untuk kesal, gugup, dan pendahuluan untuk analisis. gila), dan memprediksi profil kemarahan (misalnya, psikologis para keluhan). Kata-kata pengguna Weibo yang menjadi yang aktif ini. Ini perhatian meliputi prediksi model kesehatan (misalnya, adalah alat yang susah tidur, dokter, dikembangkan dan olahraga), waktu untuk penelitian luang psikologi online (misalnya, memasak, berdasarkan data mengobrol, dan film), besar dan keluarga (misalnya, pembelajaran keluarga dan rumah), mendalam teman (misalnya, teknologi, termasuk teman dan indikator tamu), uang (mis. emosional tagihan, uang tunai, (kecemasan, dan pinjaman), depresi, kematian (mis. kemarahan, dan penguburan, kebahagiaan pembunuhan, dan Oxford), pemakaman), dan indikator kognitif agama (penilaian risiko (misalnya, gereja, sosial dan kepuasan masjid, dan kuil), hidup), dan yang dapat sebagainya. Gamba mencerminkan apa r menggambarkan yang orang prosedur dari perhatikan. ekstraksi fitur ke prediksi indikator Tabel 2. Analisis psikologis. Semua frekuensi kata model prediksi sebelum dan sesudah telah mencapai 20 Januari. korelasi sedang I-Sebelum dengan skor T-Setelah kuesioner. Kelayak t df hal M SD M SD an model prediksi Kata-kata yang telah berulang kali memprihatinkan ditunjukkan. Kesehatan Prosedur ekstraksi 0,37 fitur dari data 0,43 Weibo online dan 0,72 indikator 0,63 psikologis -72.392 diprediksi 17.747 oleh fitur dinamis. Kenyamanan Kami menghitung 1.77 frekuensi kata, skor 1.28 indikator 1,60 emosional negatif 1.19 (yaitu, kecemasan, 21.963 depresi, 17.747 dan kemarahan), Keluarga indikator 0,22 emosional positif 0,30 (yaitu, kebahagiaan 0,25 Oxford), dan 0,30 indikator kognitif -12.571 (Yaitu, risiko sosial 17.747 dan kepuasan Teman hidup) dari pesan 0,11 yang 0,20 dikumpulkan. Kam 0,10 i kemudian 0,16 membandingkan 6.202 perbedaan 17.747 karakteristik Uang psikologis sebelum 0,71 dan sesudah 0,77 deklarasi wabah 0,71 COVID-19 pada 20 0,75 Januari, 1.353 2020 melalui uji-t 17.747 berpasangan 0,176 dengan Kematian menggunakan 0,14 SPSS (Produk 0,27 Statistik dan Solusi 0,15 Layanan) 22, 0,24 yang diterbitkan -6,707 oleh IBM 17.747 (International Agama Business Machines 0,28 Corporation), New 0,46 York, AS. 0,32 0,45 -13.816 17.747 Kata frekuensi meningkat secara signifikan dalam kategori "keprihatinan," termasuk kesehatan (t (17.747) = -72.392, p <0,05), keluarga (t (17,747) = -12,571, p <0,001), kematian (t (17,747) = -6,707, p <0,001), dan agama (t (17.747) = -13.816, p <0.001), tetapi menurun pada waktu senggang (t (17.747) = 21.963, p <0.001) dan teman (t (17.747) = 6,202, p <0,001). 3.3. Indikator Emosional Hasil menunjukkan perbedaan yang signifikan dari indikator emosional antara T-sebelum (13- 19 Januari, 2020) dan T-after (20– 26 Januari, 2020), seperti yang ditunjukkan pada Tabel 3. Setelah 20 Januari, emosi negatif indikator ciri psikologis meningkat pada kecemasan (t (17.747) = -35.962, p <0.001), depresi (t (17.747) = -10.717, p <0.001), dan amarah (t (17.747) = 5.500, p <0.001), sedangkan emosi positif indikator ciri psikologis menurun pada kebahagiaan Oxford (t (17.747) = 3,120, p <0,01).