Sentiment and Linguistic Analysis of Epidemic Outbreak Data from Official and Alternative Sources

Karina Michelle Ordóñez Guerrero; José Steven Cordero Bazurto; Geovanny José Brito Casanova; Eduardo Amable Samaniego Mena

Autores/as

Karina Michelle Ordóñez Guerrero, M.Sc. Universidad Técnica Estatal de Quevedo https://orcid.org/0009-0009-2507-0519
José Steven Cordero Bazurto, M.Sc. Universidad Técnica Estatal de Quevedo https://orcid.org/0009-0001-2961-6736
Geovanny José Brito Casanova, M.Sc. Universidad Técnica Estatal de Quevedo https://orcid.org/0000-0002-7715-7706
Eduardo Amable Samaniego Mena, M.Sc. Universidad Técnica Estatal de Quevedo https://orcid.org/0000-0002-6196-2014

Palabras clave:

Epidemic outbreaks, sentiment analysis, social networks, epidemiological surveillance, web mining

Resumen

Information on epidemic outbreaks is a key input for health surveillance, as it allows for the assessment of the spread and associated social perception. This study examines emotional and linguistic patterns in narratives disseminated by international organizations (WHO, UN, CDC) and digital platforms (Google News and Reddit) over a three-month period. The KDD process was applied in R Studio (selection, preprocessing, transformation, modeling, and evaluation), using Bing and NRC lexicons and a supervised Naive Bayes model to enhance the detection of emotional nuances. A total of 12,340 texts (3,100 from official sources, 4,240 from Google News, and 5,000 from Reddit) were analyzed using standardized queries in English: pandemic, confinement, epidemic, and HMPV. Official sources showed a greater presence of positive emotions linked to cooperation and security; Google News concentrated negative narratives with terms such as risk and dangerous; Reddit combined fear and sadness with appearances of hope. The analysis included t-tests and ANOVA with 95% confidence intervals. The work is exploratory and preliminary in nature and suggests that surveillance systems should integrate the monitoring of social networks and digital media, along with public policy measures to improve communication in health crisis situations.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

Karina Michelle Ordóñez Guerrero, M.Sc., Universidad Técnica Estatal de Quevedo

Karina Michelle Ordoñez Guerrero es Ingeniera en Sistemas y actualmente cursa una Maestría en Ciencia de Datos en la Universidad Técnica Estatal de Quevedo. Posee experiencia en programación, análisis de datos y desarrollo de soluciones tecnológicas. Ha colaborado con instituciones como la UBU y el INEC en proyectos relacionados con recolección, procesamiento y análisis de información, así como en la mejora de procesos institucionales mediante herramientas tecnológicas. Participa activamente en jornadas científicas y capacitaciones sobre inteligencia artificial y tecnologías emergentes.
José Steven Cordero Bazurto, M.Sc., Universidad Técnica Estatal de Quevedo

José Steven Cordero Basurto es programador e investigador especializado en aplicaciones tecnológicas. Ha publicado artículos científicos en revistas indexadas, entre ellos, en la revista Ciencia Huasteca de la Escuela Superior de Huejutla. Cuenta con experiencia en desarrollo de software y análisis de datos. Actualmente está afiliado a la Universidad Técnica Estatal de Quevedo (Ecuador), donde colabora activamente en proyectos de innovación tecnológica.
Geovanny José Brito Casanova, M.Sc., Universidad Técnica Estatal de Quevedo

Ingeniero en Sistemas por la Universidad Técnica Estatal de Quevedo (UTEQ) y posee un Máster en Desarrollo y Operaciones (DevOps) por la Universidad Internacional de la Rioja. Actualmente cursa una Maestría en Ciencia de Datos en la UTEQ. Su pasión por la tecnología lo ha llevado a desarrollarse en áreas como el desarrollo de software, ciencia de datos, automatización y computación en la nube, además de contar con experiencia en la docencia e investigación. A lo largo de su trayectoria, ha recibido varios reconocimientos académicos por su desempeño y ha participado como desarrollador y coordinador en diversos proyectos de software. También ha sido ponente en múltiples conferencias académicas y tecnológicas. Busca principalmente generar un impacto positivo a través de la tecnología, especialmente en el ámbito educativo.
Eduardo Amable Samaniego Mena, M.Sc., Universidad Técnica Estatal de Quevedo

Eduardo Amable Samaniego Mena es profesor titular de la Universidad Técnica Estatal de Quevedo, con formación de tercer nivel como Ingeniero en Sistemas y dos maestrías: una en Conectividad y Redes de Ordenadores por la UTEQ y otra en Análisis y Visualización de Datos Masivos por la Universidad Internacional de La Rioja. Su línea investigativa abarca temas como inteligencia artificial, redes definidas por software, seguridad informática, educación en línea y análisis de datos.

Ha participado activamente en congresos nacionales e internacionales y cuenta con múltiples publicaciones indexadas en revistas científicas como RISTI, Universidad y Sociedad, REMCA y Conrado. Además, es autor de libros académicos sobre fundamentos de redes, informática, seguridad y telemática, contribuyendo significativamente al desarrollo del conocimiento en el ámbito de las tecnologías de la información y la educación superior.

Referencias

[1] K. H. Manguri, R. N. Ramadhan, and P. R. Mohammed Amin, “Twitter Sentiment Analysis on Worldwide COVID-19 Outbreaks,” Kurdistan Journal of Applied Research, pp. 54–65, May 2020, doi: 10.24017/covid.8.

[2] A. Joshi, S. Karimi, R. Sparks, C. Paris, and C. Raina Macintyre, “Survey of Text-based Epidemic Intelligence,” ACM Comput Surv, vol. 52, no. 6, Nov. 2019, doi: 10.1145/3361141.

[3] K. Sherratt et al., “Characterising information gains and losses when collecting multiple epidemic model outputs,” Journal Epidemics, vol. 47, Jun. 2024, doi: 10.1016/J.EPIDEM.2024.100765.

[4] J. A. Polonsky et al., “Outbreak analytics: a developing data science for informing the response to emerging pathogens,” Philosophical Transactions of the Royal Society B: Biological Sciences, 2019, doi: 10.1098/rstb.2018.0276.

[5] K. O. Bazilevych et al., “Information system for assessing the informativeness of an epidemic process feature,” System research and information technologies, vol. 2023, no. 4, pp. 100–112, Dec. 2023, doi: 10.20535/SRIT.2308-8893.2023.4.08.

[6] A. N. Desai et al., “Real-time Epidemic Forecasting: Challenges and Opportunities,” Health Secur, vol. 17, no. 4, p. 268, Jul. 2019, doi: 10.1089/HS.2019.0022.

[7] J. L. Herrera-Diestra, J. M. Buldú, M. Chavez, and J. H. Martínez, “Using symbolic networks to analyse dynamical properties of disease outbreaks,” Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, vol. 476, no. 2236, Apr. 2020, doi: 10.48550/arXiv.1911.05646

[8] T. H. Nguyen, M. Fisichella, and K. Rudra, “A Trustworthy Approach to Classify and Analyze Epidemic-Related Information From Microblogs,” IEEE Trans Comput Soc Syst, 2024, doi: 10.1109/TCSS.2024.3391395.

[9] J. Tolles and T. Luong, “Modeling Epidemics With Compartmental Models,” Journal Jama Network, vol. 323, no. 24, pp. 2515–2516, Jun. 2020, doi: 10.1001/JAMA.2020.8420.

[10] M. Marani, G. G. Katul, W. K. Pan, and A. J. Parolari, “Intensity and frequency of extreme novel epidemics,” Proceedings of the National Academy of Sciences, 2021, doi: 10.1073/pnas.2105482118/-/DCSupplemental.

[11] A. Braunstein, L. Budzynski, and M. Mariani, “Statistical mechanics of inference in epidemic spreading,” Phys Rev E, vol. 108, no. 6, Dec. 2023, doi: 10.1103/PhysRevE.108.064302.

[12] J. Wu, Z. Niu, and X. Liu, “Understanding epidemic spread patterns: a visual analysis approach,” Health Systems, vol. 13, no. 3, pp. 229–245, Jul. 2024, doi: 10.1080/20476965.2024.2308286.

[13] S. Gracy, P. E. Pare, H. Sandberg, and K. H. Johansson, “Analysis and distributed control of periodic epidemic processes,” IEEE Trans Control Netw Syst, vol. 8, no. 1, pp. 123–134, Mar. 2021, doi: 10.1109/TCNS.2020.3017717.

[14] K. M. A. Kabir and J. Tanimoto, “Analysis of epidemic outbreaks in two-layer networks with different structures for information spreading and disease diffusion,” Commun Nonlinear Sci Numer Simul, vol. 72, pp. 565–574, Jun. 2019, doi: 10.1016/J.CNSNS.2019.01.020.

[15] Z. Wang, C. Xia, Z. Chen, and G. Chen, “Epidemic Propagation with Positive and Negative Preventive Information in Multiplex Networks,” IEEE Trans Cybern, vol. 51, no. 3, pp. 1454–1462, Mar. 2021, doi: 10.1109/TCYB.2019.2960605.

[16] B. Wang, M. Gou, and Y. Han, “Impacts of information propagation on epidemic spread over different migration routes,” Nonlinear Dyn, vol. 105, no. 4, pp. 3835–3847, Sep. 2021, doi: 10.1007/S11071-021-06791-8/METRICS.

[17] Z. Wang, X. Rui, G. Yuan, J. Cui, and T. Hadzibeganovic, “Endemic information-contagion outbreaks in complex networks with potential spreaders based recurrent-state transmission dynamics,” Physica A: Statistical Mechanics and its Applications, vol. 573, Jul. 2021, doi: 10.1016/J.PHYSA.2021.125907.

[18] S. S. Chikkaraddi and G. R. Smitha, “Epidemic Disease Expert System,” 1st IEEE International Conference on Advances in Information Technology, ICAIT 2019 - Proceedings, pp. 571–576, Jul. 2019, doi: 10.1109/ICAIT47043.2019.8987421.

[19] K. Osadcha, V. Osadchyi, and V. Kruglyk, “The role of information and communication technologies in epidemics: an attempt at analysis,” Ukrainian Journal of Educational Studies and Information Technology, p., 2020, doi: 10.32919/uesit.2020.01.06.

[20] M. Imanipour, M. Shahmari, │ Saeideh, A. Mahkooyeh, A. Ghobadi, and P. Sanjari, “Reflections on health information sources in epidemics in synchrony with the COVID-19 pandemic: A scoping review,” Journal of Nursing Advances in Clinical Sciences, vol. 1, 2024, doi: 10.32598/JNACS.2401.1005.

[21] S. L. Peng et al., “NLSI: An innovative method to locate epidemic sources on the SEIR propagation model,” An interdisciplinary Journal of NonLinear Science, vol. 33, no. 8, Aug. 2023, doi: 10.1063/5.0152859.