Este documento presenta un análisis exhaustivo de las publicaciones en redes sociales de los gobernadores prefecturales en Japón durante la pandemia de COVID-19. Investiga la correlación entre los niveles de actividad en redes sociales, las características de los gobernadores y las métricas de participación. Para predecir la participación ciudadana de un tweet específico, se entrenan modelos de aprendizaje automático (MLMs) utilizando tres conjuntos de características. El primer conjunto incluye variables que representan características relacionadas con el perfil y el tweet. El segundo conjunto incorpora incrustaciones de palabras de tres modelos populares, mientras que el tercer conjunto combina el primer conjunto con una de las incrustaciones. Además, se emplean siete clasificadores. El modelo de mejor rendimiento utiliza el primer conjunto de características con incrustación FastText y el clasificador XGBoost. Este estudio tiene como objetivo recopilar los tweets relacionados con COVID-19 de los gobernadores, analizar las métricas de participación, investigar las correlaciones con las características de los gobernadores, examinar las características relacionadas con los tweets y entrenar MLMs para la predicción. Las principales contribuciones de este documento son dos. En primer lugar, ofrece un análisis de la participación en redes sociales por parte de los gobernadores prefecturales durante la pandemia de COVID-19, arrojando luz sobre sus estrategias de comunicación y los resultados de la participación ciudadana. En segundo lugar, explora la efectividad de los MLMs y las incrustaciones de palabras en la predicción de la participación en tweets, proporcionando implicaciones prácticas para los responsables de políticas en la comunicación de crisis. Los hallazgos enfatizan la importancia de la participación en redes sociales para una gobernanza efectiva y proporcionan información sobre los factores que influyen en la participación ciudadana.