論文の概要: COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter
Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies
- arxiv url: http://arxiv.org/abs/2105.05134v2
- Date: Fri, 14 May 2021 21:05:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 20:58:32.663609
- Title: COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter
Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies
- Title（参考訳）: ソーシャルメディア上でのcovid-19ワクチンのhesitancy: 反ワクチンコンテンツ、ワクチンの誤情報、陰謀の公開twitterデータセットの構築
- Authors: Goran Muric, Yusong Wu, Emilio Ferrara
- Abstract要約: 新型コロナウイルスワクチンに関する偽の主張は、現在進行中の予防接種キャンペーンに対する公衆の信頼を損なう可能性がある。
われわれは、強力な抗ワクチン姿勢を示すTwitter投稿のデータセットを提示する。
- 参考スコア（独自算出の注目度）: 10.505633521103018
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: False claims about COVID-19 vaccines can undermine public trust in ongoing
vaccination campaigns, thus posing a threat to global public health.
Misinformation originating from various sources has been spreading online since
the beginning of the COVID-19 pandemic. In this paper, we present a dataset of
Twitter posts that exhibit a strong anti-vaccine stance. The dataset consists
of two parts: a) a streaming keyword-centered data collection with more than
1.8 million tweets, and b) a historical account-level collection with more than
135 million tweets. The former leverages the Twitter streaming API to follow a
set of specific vaccine-related keywords starting from mid-October 2020. The
latter consists of all historical tweets of 70K accounts that were engaged in
the active spreading of anti-vaccine narratives. We present descriptive
analyses showing the volume of activity over time, geographical distributions,
topics, news sources, and inferred account political leaning. This dataset can
be used in studying anti-vaccine misinformation on social media and enable a
better understanding of vaccine hesitancy. In compliance with Twitter's Terms
of Service, our anonymized dataset is publicly available at:
https://github.com/gmuric/avax-tweets-dataset
- Abstract（参考訳）: Falseは、新型コロナウイルスワクチンは予防接種キャンペーンにおける公衆の信頼を損なう可能性があると主張している。
新型コロナウイルス(covid-19)パンデミックの始まりから、さまざまな情報源からの誤報がオンラインで拡散している。
本稿では,強い抗ワクチン姿勢を示すTwitter投稿のデータセットを提示する。
データセットは2つの部分からなる。
a)1.8万ツイート以上のストリーミングキーワード中心のデータ収集
b)1億3500万以上のツイートを持つ歴史的アカウントレベルのコレクション。
前者はTwitterストリーミングAPIを利用して、2020年10月中旬から特定のワクチン関連キーワードをフォローしている。
後者は70kのアカウントの全ての過去のツイートからなり、反ワクチン的な物語の活発な拡散に携わった。
本稿では,時間経過に伴う活動量,地理的分布,話題,ニュースソース,推測されたアカウントの政治的傾倒を示す記述的分析を行った。
このデータセットは、ソーシャルメディア上で反ワクチンの誤情報を研究し、ワクチンのヒューシタンシーをよりよく理解するために使用できる。
Twitterのサービス規約に従って、匿名化されたデータセットは、https://github.com/gmuric/avax-tweets-datasetで公開されています。
関連論文リスト
- Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter [3.768191396638854]
新型コロナウイルス感染症(COVID-19)の感染拡大に伴い、ワクチン中毒は公衆衛生当局にとって大きな課題となっている。
6373のワクチン関連ツイートからなるTwitter COVID-19データセットであるVax-Cultureを紹介します。
このことが、予防接種的信念を持つ個人にリーチするための、効果的で目標とする公衆衛生コミュニケーション戦略につながることを願っている。
論文 参考訳（メタデータ） (2023-04-13T23:04:30Z) - 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) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳（メタデータ） (2022-06-12T19:41:01Z) - CAVES: A Dataset to facilitate Explainable Classification and
Summarization of Concerns towards COVID Vaccines [18.617543658780367]
CAVESは、新型コロナウイルス(COVID-19)の抗ワクチンツイートをさまざまな特定の抗ワクチンの懸念にラベル付けした最初の大規模データセットです。
これはまた、ラベルごとに説明を提供する最初のマルチラベル分類データセットである。
論文 参考訳（メタデータ） (2022-04-28T19:26:54Z) - Manipulating Twitter Through Deletions [64.33261764633504]
Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。
ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。
少数のアカウントが毎日大量のツイートを削除していることがわかった。
まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。
第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
論文 参考訳（メタデータ） (2022-03-25T20:07:08Z) - Automated clustering of COVID-19 anti-vaccine discourse on Twitter [0.0]
Ojea Quintana et alにTwitterのワクチンに関する議論の観察的研究がある。
この研究は Ojea Quintana et al. (2021) に拡張され、データサイエンスから2つの主要な貢献がなされている。
まず、著者たちの初期のネットワーククラスタリングと定性的分析技術に基づいて、Antivaxxersによる談話で使われる言語パターンを明確に分類し視覚化することができる。
第2に、Antivaxxersのつぶやきの特徴を用いて、あるユーザーが予防接種言語を使っているかどうかを判定するテキスト分類器を開発する。
論文 参考訳（メタデータ） (2022-03-03T07:38:31Z) - ArCovidVac: Analyzing Arabic Tweets About COVID-19 Vaccination [7.594204373985492]
新型コロナウイルス(COVID-19)予防接種キャンペーンのために、手動で注釈付けされた最初のアラビアのツイートデータセットArCovidVacをリリースしました。
データセットには、(i)Informativeness(より重要でないツイート)、(ii)きめ細かいツイートコンテンツタイプ(アドバイス、噂、制限、認証されたニュース/情報)、(iii)予防接種に対するスタンスなど、さまざまなアノテーション層が組み込まれている。
論文 参考訳（メタデータ） (2022-01-17T16:19:21Z) - A Python Package to Detect Anti-Vaccine Users on Twitter [1.1602089225841632]
反ワクチン主義は、最近オンラインで共有されている反ワクチン主義の物語によって推進されている。
我々は、Twitterのプロフィールを分析できるPythonパッケージを導入し、そのプロファイルがワクチンに対する感情を広める可能性を評価する。
我々はこのようなユーザーのデータを利用して、抗ワクチンスプレッシャーの道徳的特徴と感情的特徴を理解する。
論文 参考訳（メタデータ） (2021-10-21T17:59:25Z) - Understanding the Hoarding Behaviors during the COVID-19 Pandemic using
Large Scale Social Media Data [77.34726150561087]
われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。
ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。
LIWCの不安度はTwitterの不安度よりもかなり高い。
論文 参考訳（メタデータ） (2020-10-15T16:02:25Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z) - 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。