論文の概要: Characterizing Sociolinguistic Variation in the Competing Vaccination
Communities
- arxiv url: http://arxiv.org/abs/2006.04334v3
- Date: Sun, 4 Oct 2020 13:28:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 02:20:40.859628
- Title: Characterizing Sociolinguistic Variation in the Competing Vaccination
Communities
- Title（参考訳）: 競合ワクチンコミュニティにおける社会言語学的変異の特徴
- Authors: Shahan Ali Memon, Aman Tyagi, David R. Mortensen, Kathleen M. Carley
- Abstract要約: メッセージの“フレーミング”と“個人化”は、説得力のあるメッセージング戦略を考案する上で重要な機能のひとつです。
健康関連誤報の文脈では、予防接種が不協和の最も一般的な話題である。
われわれはTwitter上で、競合する2つの予防接種コミュニティの社会言語学的分析を行う。
- 参考スコア（独自算出の注目度）: 9.72602429875255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Public health practitioners and policy makers grapple with the challenge of
devising effective message-based interventions for debunking public health
misinformation in cyber communities. "Framing" and "personalization" of the
message is one of the key features for devising a persuasive messaging
strategy. For an effective health communication, it is imperative to focus on
"preference-based framing" where the preferences of the target sub-community
are taken into consideration. To achieve that, it is important to understand
and hence characterize the target sub-communities in terms of their social
interactions. In the context of health-related misinformation, vaccination
remains to be the most prevalent topic of discord. Hence, in this paper, we
conduct a sociolinguistic analysis of the two competing vaccination communities
on Twitter: "pro-vaxxers" or individuals who believe in the effectiveness of
vaccinations, and "anti-vaxxers" or individuals who are opposed to
vaccinations. Our data analysis show significant linguistic variation between
the two communities in terms of their usage of linguistic intensifiers,
pronouns, and uncertainty words. Our network-level analysis show significant
differences between the two communities in terms of their network density,
echo-chamberness, and the EI index. We hypothesize that these sociolinguistic
differences can be used as proxies to characterize and understand these
communities to devise better message interventions.
- Abstract（参考訳）: 公衆衛生の実践者や政策立案者は、サイバーコミュニティで公衆衛生の誤情報を拡散するための効果的なメッセージベースの介入を考案するという課題に苦慮している。
メッセージの“フレーミング”と“パーソナライゼーション”は、説得力のあるメッセージング戦略を開発する上で重要な機能のひとつです。
効果的な健康コミュニケーションには、対象のサブコミュニティの好みを考慮に入れる「参照ベースのフレーミング」に重点を置くことが不可欠である。
これを実現するためには,対象のサブコミュニティを社会的相互作用の観点から理解し,特徴付けることが重要である。
健康関連誤報の文脈では、予防接種が不協和の最も一般的な話題である。
そこで本研究では,Twitter上での2つの競合する予防接種コミュニティの社会言語学的分析を行い,予防接種の有効性を信じる者,ワクチン接種に反対する者,ワクチン接種に反対する者について考察する。
本研究は, 言語インテンシファイア, 代名詞, 不確定語の使用に関して, 2つのコミュニティ間で有意な言語的変化を示す。
ネットワークレベルの分析では, ネットワーク密度, エコーチャンバーネス, EI指数の2つのコミュニティ間で有意な差異が認められた。
これらの社会言語学的差異は、これらのコミュニティを特徴づけ、理解し、より良いメッセージ介入を考案するためのプロキシとして利用できると仮定する。
関連論文リスト
- Echo-chambers and Idea Labs: Communication Styles on Twitter [51.13560635563004]
本稿では,ワクチン接種状況におけるTwitter(X)コミュニティのコミュニケーション形態と構造について検討する。
本研究は,ソーシャルネットワークにおけるコミュニケーションの微妙な性質に光を当てることによって,オンラインコミュニティにおける視点の多様性を理解することの重要性を強調する。
論文 参考訳（メタデータ） (2024-03-28T13:55:51Z) - Leveraging Prompt-Based Large Language Models: Predicting Pandemic
Health Decisions and Outcomes Through Social Media Language [6.3576870613251675]
我々は、ソーシャルメディアの言語パターンと国民健康結果の傾向との関連性を検討するために、プロンプトベースのLCMを用いている。
私たちの研究は、ソーシャルメディアの言語パターンと現実の公衆衛生トレンドを実証的に結びつける最初のものです。
論文 参考訳（メタデータ） (2024-03-01T21:29:32Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Tracking the Structure and Sentiment of Vaccination Discussions on
Mumsnet [3.192308005611312]
ワクチンは、世界保健機関(WHO)による2019年の世界の健康への脅威のトップ10の1つである。
オンラインソーシャルメディアは、予防接種に関する議論の場として特定されている。
論文 参考訳（メタデータ） (2023-08-24T18:28:35Z) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - "Double vaccinated, 5G boosted!": Learning Attitudes towards COVID-19
Vaccination from Social Media [4.178929174617172]
ソーシャルメディア上でのテキスト投稿を利用して、利用者の接種姿勢をほぼリアルタイムで抽出し追跡する。
我々は、ユーザのソーシャルネットワーク隣人の最近の投稿を統合して、ユーザの真の態度を検出する。
Twitterの注釈付きデータセットに基づいて、我々のフレームワークからインスタンス化されたモデルは、姿勢抽出のパフォーマンスを最大23%向上させることができる。
論文 参考訳（メタデータ） (2022-06-27T17:04:56Z) - Strategic COVID-19 vaccine distribution can simultaneously elevate
social utility and equity [22.800692128612983]
社会的効用と株式は、最も不利なコミュニティに対してワクチンアクセスが優先されるときに同時に改善される。
我々は,コミュニティが直面するリスクと,社会に予防接種を受けないよう強制するリスクを捉える2つの行動認識指標,コミュニティリスクと社会的害を設計する。
論文 参考訳（メタデータ） (2021-11-12T12:31:11Z) - Classifying vaccine sentiment tweets by modelling domain-specific
representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。
ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。
ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。
本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
論文 参考訳（メタデータ） (2021-06-17T15:16:08Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。
予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。
これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文 参考訳（メタデータ） (2020-03-26T13:55:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。