論文の概要: Cultural-aware Machine Learning based Analysis of COVID-19 Vaccine
Hesitancy
- arxiv url: http://arxiv.org/abs/2304.06953v1
- Date: Fri, 14 Apr 2023 06:47:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 14:34:15.942038
- Title: Cultural-aware Machine Learning based Analysis of COVID-19 Vaccine
Hesitancy
- Title（参考訳）: 文化認識型機械学習によるワクチン中毒の解析
- Authors: Raed Alharbi, Sylvia Chan-Olmsted, Huan Chen, and My T. Thai
- Abstract要約: 我々は、予防接種意欲を予測するために、新しいデータ収集に基づいて、新しいカルチャー対応機械学習(ML)モデルを設計する。
これらの分析は、ワクチン導入の決定に最も影響を与える主要な要因を明らかにしている。
- 参考スコア（独自算出の注目度）: 16.52326311355925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the COVID-19 vaccine hesitancy, such as who and why, is very
crucial since a large-scale vaccine adoption remains as one of the most
efficient methods of controlling the pandemic. Such an understanding also
provides insights into designing successful vaccination campaigns for future
pandemics. Unfortunately, there are many factors involving in deciding whether
to take the vaccine, especially from the cultural point of view. To obtain
these goals, we design a novel culture-aware machine learning (ML) model, based
on our new data collection, for predicting vaccination willingness. We further
analyze the most important features which contribute to the ML model's
predictions using advanced AI explainers such as the Probabilistic Graphical
Model (PGM) and Shapley Additive Explanations (SHAP). These analyses reveal the
key factors that most likely impact the vaccine adoption decisions. Our
findings show that Hispanic and African American are most likely impacted by
cultural characteristics such as religions and ethnic affiliation, whereas the
vaccine trust and approval influence the Asian communities the most. Our
results also show that cultural characteristics, rumors, and political
affiliation are associated with increased vaccine rejection.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)ワクチンの大量導入がパンデミックを抑える最も効率的な方法の1つとして残っており、その原因や原因などを理解することが極めて重要である。
このような理解は、将来のパンデミックの予防接種キャンペーンを成功させるための洞察を与える。
残念なことに、特に文化的な観点からワクチンを服用するかどうかの判断には多くの要因がある。
これらの目標を達成するために,我々は新たなデータ収集に基づく新しい文化対応機械学習(ml)モデルを設計し,予防接種意欲を予測する。
さらに、確率グラフモデル(PGM)やシェープ追加説明(SHAP)といった高度なAI説明器を用いて、MLモデルの予測に寄与する最も重要な特徴を分析する。
これらの分析は、ワクチン導入の決定に最も影響を与える主要な要因を明らかにする。
ヒスパニック系とアフリカ系アメリカ人は、宗教や民族関係などの文化的特徴に最も影響を受けやすいが、ワクチンの信頼と承認はアジア地域社会に最も影響している。
以上の結果から, 文化的特徴, 噂, 政治的関連がワクチン拒絶の増大と関連していることが示唆された。
関連論文リスト
- Decoding Concerns: Multi-label Classification of Vaccine Sentiments in
Social Media [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、ワクチンが私たちを守る上で重要な役割を担っていることを強調した。
本論文は、予防接種の文脈で表されるこれらの多様な懸念を包括的に理解し、分類することの課題に対処する。
我々の焦点は、ワクチンに対する明瞭な理解に基づいて、特定の関心ラベルのツイートを割り当てる、堅牢なマルチラベルの開発である。
論文 参考訳（メタデータ） (2023-12-17T06:55:04Z) - 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) - VaxxHesitancy: A Dataset for Studying Hesitancy towards COVID-19
Vaccination on Twitter [6.061534265076204]
新型コロナウイルス(COVID-19)ワクチン接種に対するユーザの態度を示す3,101件以上のツイートの新たなコレクションを作成します。
私たちの知る限りでは、ワクチンのヘシタシーを、予防的および抗ワクチン的スタンスとは異なるカテゴリとしてモデル化する最初のデータセットとモデルです。
論文 参考訳（メタデータ） (2023-01-17T02:00:31Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - Evaluating vaccine allocation strategies using simulation-assisted
causal modelling [7.9656669215132005]
パンデミックの早期にはワクチンの入手が制限され、異なる集団の優先順位付けが必要になる。
新型コロナウイルスのパンデミックに対する年齢依存型予防接種戦略を遡及的に評価するモデルを構築した。
我々は,2021年に実施したイスラエルのワクチン割当戦略を,先天的な優先順位付けや若年集団の優先順位付け,厳格なリスクランク付けアプローチといった対実的戦略と比較した。
論文 参考訳（メタデータ） (2022-12-14T14:24:17Z) - 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) - VacciNet: Towards a Smart Framework for Learning the Distribution Chain
Optimization of Vaccines for a Pandemic [0.0]
我々は、VacciNetと呼ぶ、教師付き学習と強化学習(RL)を活用する新しいフレームワークを提唱した。
RLは、国の州におけるワクチン接種需要を予測し、また、調達と供給の最小コストのために、州における最適なワクチン割り当てを提案することができる。
論文 参考訳（メタデータ） (2022-08-01T19:37:33Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳（メタデータ） (2021-08-07T15:08:15Z) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - COVID-19 Vaccine Acceptance in the US and UK in the Early Phase of the
Pandemic: AI-Generated Vaccines Hesitancy for Minors, and the Role of
Governments [10.64167691614925]
ワクチン開発における人工知能の使用は、ワクチンの受容に影響を与えなかった。
ワクチンの有効性を明示したヴィグネットは、ワクチンの受け入れを増加させた。
論文 参考訳（メタデータ） (2020-06-15T06:47:13Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z)
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。