Fugu-MT 論文翻訳(概要): Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter

論文の概要: Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter

arxiv url: http://arxiv.org/abs/2304.06858v3
Date: Sun, 11 Jun 2023 22:11:10 GMT
ステータス: 処理完了
システム内更新日: 2023-06-14 00:32:31.102282
Title: Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter
Title（参考訳）: Vax-Culture:Twitterでワクチンの談話を学ぶためのデータセット
Authors: Mohammad Reza Zarei, Michael Christensen, Sarah Everts and Majid Komeili
Abstract要約: 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。
参考スコア（独自算出の注目度）: 3.768191396638854
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vaccine hesitancy continues to be a main challenge for public health officials during the COVID-19 pandemic. As this hesitancy undermines vaccine campaigns, many researchers have sought to identify its root causes, finding that the increasing volume of anti-vaccine misinformation on social media platforms is a key element of this problem. We explored Twitter as a source of misleading content with the goal of extracting overlapping cultural and political beliefs that motivate the spread of vaccine misinformation. To do this, we have collected a data set of vaccine-related Tweets and annotated them with the help of a team of annotators with a background in communications and journalism. Ultimately we hope this can lead to effective and targeted public health communication strategies for reaching individuals with anti-vaccine beliefs. Moreover, this information helps with developing Machine Learning models to automatically detect vaccine misinformation posts and combat their negative impacts. In this paper, we present Vax-Culture, a novel Twitter COVID-19 dataset consisting of 6373 vaccine-related tweets accompanied by an extensive set of human-provided annotations including vaccine-hesitancy stance, indication of any misinformation in tweets, the entities criticized and supported in each tweet and the communicated message of each tweet. Moreover, we define five baseline tasks including four classification and one sequence generation tasks, and report the results of a set of recent transformer-based models for them. The dataset and code are publicly available at https://github.com/mrzarei5/Vax-Culture.
Abstract（参考訳）: 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。このため、多くの研究者がワクチンキャンペーンの根本原因を特定し、ソーシャルメディアプラットフォーム上での抗ワクチンの誤情報の増加がこの問題の重要な要素であることを発見した。われわれはTwitterを誤解を招くコンテンツ源として探求し、ワクチンの誤情報を広める動機となる文化的・政治的信念の重複を抽出した。そのために、私たちはワクチン関連のツイートのデータセットを収集し、コミュニケーションとジャーナリズムのバックグラウンドを持つアノテータチームの助けを借りて注釈付けしました。最終的には、これが反ワクチンの信念を持つ個人にリーチするための効果的な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。さらに、この情報は、ワクチンの誤情報を自動検出し、悪影響に対処する機械学習モデルの開発に役立つ。本稿では,ワクチン・ヘシタンシースタンス,ツイート中の誤情報の表示,各ツイートに対する批判とサポート,各ツイートのコミュニケーションメッセージなど,多種多様なアノテーションを伴って,6373個のワクチン関連ツイートからなる,新しいtwitter covid-19データセットであるvax-cultureを提案する。さらに,4つの分類と1つのシーケンス生成タスクを含む5つの基本タスクを定義し,それらに対する最近のトランスフォーマーモデルの結果を報告する。データセットとコードはhttps://github.com/mrzarei5/vax-cultureで公開されている。

関連論文リスト

Modeling the amplification of epidemic spread by misinformed populations [43.389128992784045]
本研究では、大規模で移動性に富んだ物理的接触ネットワークと、郡全体にわたる誤情報による個人分布を組み込んだ疫病モデルを提案する。本モデルでは,誤報が感染拡大に与える影響を理解するために,様々なシナリオをシミュレートし,推定することができる。このモデルを用いて、最悪のシナリオでは、誤報が米国内で4700万件のCOVID-19感染を引き起こした可能性があると推定する。
論文参考訳（メタデータ） (2024-02-17T18:01:43Z)
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)
CoVaxNet: An Online-Offline Data Repository for COVID-19 Vaccine Hesitancy Research [39.82073461647643]
人口のかなりの割合は、いまだに新型コロナウイルス(COVID-19)に対するワクチン接種を控えている。既存のデータセットはこれらすべての側面をカバーできないため、ワクチンのヘシタシーの問題についての推論において、完全な図を作成することは困難である。本稿では,マルチソース,マルチモーダル,マルチ機能オンラインオフラインデータリポジトリCoVaxNetを構築する。
論文参考訳（メタデータ） (2022-06-30T05:58:35Z)
"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)
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)
Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文参考訳（メタデータ） (2021-10-13T04:44:02Z)
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)
COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies [10.505633521103018]
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。
論文参考訳（メタデータ） (2021-05-11T15:43:41Z)
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。