論文の概要: Tracking the Structure and Sentiment of Vaccination Discussions on
Mumsnet
- arxiv url: http://arxiv.org/abs/2308.13014v1
- Date: Thu, 24 Aug 2023 18:28:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 16:22:13.784116
- Title: Tracking the Structure and Sentiment of Vaccination Discussions on
Mumsnet
- Title（参考訳）: Mumsnet上でのワクチン接種に関する議論の構造と感性追跡
- Authors: Miguel E. P. Silva, Rigina Skeva, Thomas House, Caroline Jay
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.192308005611312
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vaccination is one of the most impactful healthcare interventions in terms of
lives saved at a given cost, leading the anti-vaccination movement to be
identified as one of the top 10 threats to global health in 2019 by the World
Health Organization. This issue increased in importance during the COVID-19
pandemic where, despite good overall adherence to vaccination, specific
communities still showed high rates of refusal. Online social media has been
identified as a breeding ground for anti-vaccination discussions. In this work,
we study how vaccination discussions are conducted in the discussion forum of
Mumsnet, a United Kingdom based website aimed at parents. By representing
vaccination discussions as networks of social interactions, we can apply
techniques from network analysis to characterize these discussions, namely
network comparison, a task aimed at quantifying similarities and differences
between networks. Using network comparison based on graphlets -- small
connected network subgraphs -- we show how the topological structure
vaccination discussions on Mumsnet differs over time, in particular before and
after COVID-19. We also perform sentiment analysis on the content of the
discussions and show how the sentiment towards vaccinations changes over time.
Our results highlight an association between differences in network structure
and changes to sentiment, demonstrating how network comparison can be used as a
tool to guide and enhance the conclusions from sentiment analysis.
- Abstract（参考訳）: 世界保健機関(who)は、予防接種運動を2019年に世界保健機関(who)による世界保健機関(who)への脅威のトップ10の1つに挙げた。
新型コロナウイルス(COVID-19)のパンデミックでは、予防接種が順守されているにもかかわらず、特定のコミュニティは依然として高い拒絶率を示した。
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。
本研究では,イギリス在住の親を対象にしたウェブサイトであるMumsnetのディスカッションフォーラムにおいて,ワクチン接種に関する議論を行う。
予防接種に関する議論を社会的相互作用のネットワークとして表現することにより、ネットワーク分析の手法を用いてこれらの議論、すなわちネットワーク比較を特徴付けることができる。
グラフレットに基づくネットワーク比較(小さなネットワークサブグラフ)を用いて、Mumsnetのトポロジカルな構造ワクチンに関する議論が、特に新型コロナウイルスの前後でどのように異なるかを示す。
また,議論の内容に対する感情分析を行い,予防接種に対する感情が時間とともにどのように変化するかを示す。
本研究は,ネットワーク構造の違いと感情変化との関連を強調し,ネットワーク比較を感情分析から結論を導き,強化するためのツールとして利用できることを示す。
関連論文リスト
- Public Discourse about COVID-19 Vaccinations: A Computational Analysis of the Relationship between Public Concerns and Policies [3.203095675418499]
予防接種キャンペーンの展開に伴い、ドイツ語を話す地域は他のヨーロッパ地域よりもはるかに低い予防接種率を示した。
Twitter上では、新型コロナウイルスの重症度やワクチンの有効性、安全性に対する懐疑論が話題となっている。
パンデミックの後期段階では、政策が実施され、無ワクチンの市民の自由が制限されたとき、ワクチン接種の増加が観察された。
論文 参考訳（メタデータ） (2024-05-07T15:31:13Z) - An analysis of vaccine-related sentiments from development to deployment
of COVID-19 vaccines [0.31317409221921144]
私たちは、ディープラーニングモデルによる感情分析フレームワークを使用して、COVID-19パンデミックの始まりからTwitterの感情を分析します。
以上の結果から, ツイート数, ケース数, 感情極性スコアの変化の関連性を示した。
論文 参考訳（メタデータ） (2023-06-23T22:10:05Z) - Accurate Measures of Vaccination and Concerns of Vaccine Holdouts from
Web Search Logs [31.231365080959247]
大規模検索エンジンのログと機械学習がワクチンデータのギャップを埋めるためにどのように活用できるかを示す。
我々は、ユーザーが検索で新型コロナウイルスワクチンをいつ探しているのかを正確に検出できるワクチン意図分類器を開発した。
分類器を用いて、ワクチンアーリーアダプターとワクチンホールドアウトの2つのグループを識別する。
論文 参考訳（メタデータ） (2023-06-12T23:19:55Z) - 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) - 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) - Learning to Adapt Domain Shifts of Moral Values via Instance Weighting [74.94940334628632]
ソーシャルメディアからユーザ生成テキストの道徳的価値を分類することは、コミュニティ文化を理解する上で重要である。
道徳的価値観と言語使用法は、社会運動全体で変化しうる。
本稿では、ドメイン間分類タスクを改善するために、インスタンス重み付けによるニューラルネットワーク適応フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-15T18:15:41Z) - 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) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - Characterizing Sociolinguistic Variation in the Competing Vaccination
Communities [9.72602429875255]
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。
論文 参考訳（メタデータ） (2020-06-08T03:05:28Z) - 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。