論文の概要: Demystifying the COVID-19 vaccine discourse on Twitter

• arxiv url: http://arxiv.org/abs/2208.13523v1
• Date: Mon, 29 Aug 2022 11:56:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 14:17:37.216764
• Title: Demystifying the COVID-19 vaccine discourse on Twitter
• Title（参考訳）: Twitterで新型コロナウイルスのワクチンに関する議論を解き明かす
• Authors: Zainab Zaidi, Mengbin Ye, Fergus John Samon, Abdisalam Jama, Binduja Gopalakrishnan, Chenhao Gu, Shanika Karunasekera, Jamie Evans, and Yoshihisa Kashima
• Abstract要約: 我々は、2020年3月から2021年3月までの7500万件の英語ツイートを含むTwitterデータセットを調査した。 我々は、自然言語処理(NLP)技術を用いて姿勢検出アルゴリズムを訓練し、ツイートをアンチ・ヴァックスまたはプロ・ヴァックスとして分類する。 反バックスツイート(1000万ツイート)をはるかに上回っているが、両方のスタンスからのツイートの大半は、デュアルスタンスユーザーのものだ。
• 参考スコア（独自算出の注目度）: 2.9823454433205905
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developing an understanding of the public discourse on COVID-19 vaccination on social media is important not only for addressing the current COVID-19 pandemic, but also for future pathogen outbreaks. We examine a Twitter dataset containing 75 million English tweets discussing COVID-19 vaccination from March 2020 to March 2021. We train a stance detection algorithm using natural language processing (NLP) techniques to classify tweets as `anti-vax' or `pro-vax', and examine the main topics of discourse using topic modelling techniques. While pro-vax tweets (37 million) far outnumbered anti-vax tweets (10 million), a majority of tweets from both stances (63% anti-vax and 53% pro-vax tweets) came from dual-stance users who posted both pro- and anti-vax tweets during the observation period. Pro-vax tweets focused mostly on vaccine development, while anti-vax tweets covered a wide range of topics, some of which included genuine concerns, though there was a large dose of falsehoods. A number of topics were common to both stances, though pro- and anti-vax tweets discussed them from opposite viewpoints. Memes and jokes were amongst the most retweeted messages. Whereas concerns about polarisation and online prevalence of anti-vax discourse are unfounded, targeted countering of falsehoods is important.
• Abstract（参考訳）: ソーシャルメディア上での新型コロナウイルス(covid-19)予防接種に関する一般論の理解を深めることは、現在のcovid-19パンデミックに対処するだけでなく、将来の感染拡大にも重要である。 我々は、2020年3月から2021年3月までの7500万の英語ツイートを含むTwitterデータセットを調査した。 自然言語処理(nlp)技術を用いた姿勢検出アルゴリズムを訓練し,つぶやきを「アンチ・ヴァックス」や「プロ・ヴァックス」と分類し,話題モデリング手法を用いて談話の主要な話題を検討する。 対vaxツイート数(3700万)は対vaxツイート数(1000万)をはるかに上回っているが、両スタンス(対vaxツイート数63%、対vaxツイート53%)のつぶやきの大半は、観察期間中に対vaxツイートと対vaxツイートの両方を投稿したデュアルスタンスユーザーから来ている。 pro-vaxのツイートは主にワクチン開発に焦点が当てられ、反vaxのツイートは幅広い話題をカバーした。 多くの話題はどちらの立場でも共通だったが、反vaxツイートと反vaxツイートは反対の立場から議論した。 ミームやジョークは最もリツイートされたメッセージだった。 分極化や反vax談話のオンライン化に関する懸念は根拠がないが、ターゲットとする虚偽の対抗が重要である。

関連論文リスト

• How COVID-19 has Impacted the Anti-Vaccine Discourse: A Large-Scale Twitter Study Spanning Pre-COVID and Post-COVID Era [23.47622466879736]
  新型コロナウイルスのパンデミックは、ワクチンに対する感情を理解し緩和することがいかに重要かを示した。 本研究は,Twitter上での抗ワクチンポストの大規模調査を通じて,これらの疑問に答えようとするものである。 本稿では,ツイートを11種類のアンチヴァックスに分類する2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T06:18:41Z)
• 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)
• Vaccine Discourse on Twitter During the COVID-19 Pandemic [0.7161783472741748]
  本研究は、Twitter上での新型コロナウイルスワクチンに関する投稿を調査し、ワクチンに対する否定的な姿勢を持つものに焦点を当てる。 新型コロナウイルスワクチンに関連する英国のツイート16,713,238件のデータセットが収集された。 新型コロナウイルスワクチンに関する否定性は、ワクチンのロールアウトとともに時間とともに低下していることを示す。
  論文  参考訳（メタデータ） (2022-07-23T13:50:51Z)
• "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)
• 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)
• Psycho-linguistic differences among competing vaccination communities on social media [0.0]
  新型コロナウイルス(COVID-19)のパンデミックで、ワクチンに関するフェイクニュースや不安を引き起こす情報をソーシャルメディアで配信する。 ここでは、オンラインソーシャルネットワークのTwitter上で、アンチバクサーの心理言語的特徴を特徴付ける。
  論文  参考訳（メタデータ） (2021-11-09T16:18:38Z)
• COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on Twitter [9.834635805575582]
  新型コロナウイルスワクチンに対する公衆の反応は、新型コロナウイルスのパンデミックを抑える上で重要な成功要因だ。 伝統的な調査は高価で時間を要するもので、限られた健康問題に対処し、小規模なデータを取得する。 本研究では,多数のつぶやきを収集・解析するために,計算的および人為的符号化手法を用いた手法を提案する。
  論文  参考訳（メタデータ） (2021-07-29T17:31:11Z)
• 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)
• The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
  新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。 米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。 本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
  論文  参考訳（メタデータ） (2020-04-21T13:02:38Z)
• 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。