危机中的应对：2023年土耳其地震数字危机话语中应对风格的计算建模

arXiv:2606.14420v1 公告类型：新 摘要：当灾难来临时，人们如何应对？我们能否通过他们写下的内容，实时大规模地检测出这种应对方式？本研究基于2023年2月6日土耳其地震后发布的超过一百万条土耳其语推文，在地震发生前几个月正值全国大选、政治高度两极分化的背景下，探讨了这一问题。借鉴Lazarus和Folkman（1984）的应对理论，我们开发了一个多标签BERTurk分类器，用于在四个理论驱动的危机阶段检测三种应对风格（问题聚焦型、情绪聚焦型和意义建构型）。BERTurk的宏F1达到0.693，显著优于零样本mDeBERTa基线（宏F1 = 0.324）。将分类器应用于完整语料库后，揭示了清晰的时间轨迹：问题聚焦型应对在紧急阶段占主导地位，随后急剧下降；情绪聚焦型应对上升并趋于稳定；意义建构型应对单调递增。愤怒情绪与意义建构型应对的相关性最强（Spearman r = 0.387），表明愤怒在归咎责任而非采取实际行动方面起到了动员作用。这些发现表明，应对理论可以在真实的数字危机数据中可靠地操作化，并且这样做有助于人道主义组织根据人群的实际状态调整其应对措施。

# 危机应对：2023年土耳其地震数字危机话语中应对风格的计算建模
来源：https://arxiv.org/abs/2606.14420
文献工具

## 文献与引用工具

文献浏览器 切换

代码、数据、媒体

## 本文相关的代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

关于arXivLabs

## arXivLabs：与社区合作者的实验项目

arXivLabs是一个框架，允许合作者直接在arXiv网站上开发并分享新功能。

无论是个人还是与arXivLabs合作的组织，都认同并接受了我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与遵守这些价值观的伙伴合作。

有一个能为arXiv社区增加价值的项目想法吗？**了解更多关于arXivLabs的信息**（https://info.arxiv.org/labs/index.html）。