論文の概要: The Shifting Landscape of Vaccine Discourse: Insights From a Decade of Pre- to Post-COVID-19 Vaccine Posts on Social Media
- arxiv url: http://arxiv.org/abs/2511.16832v1
- Date: Thu, 20 Nov 2025 22:28:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-24 18:08:18.824087
- Title: The Shifting Landscape of Vaccine Discourse: Insights From a Decade of Pre- to Post-COVID-19 Vaccine Posts on Social Media
- Title（参考訳）: ワクチン言説の変遷する景観:ソーシャルメディア上での接種前10年を振り返って
- Authors: Nikesh Gyawali, Doina Caragea, Cornelia Caragea, Saif M. Mohammad,
- Abstract要約: 我々は、英語話者がソーシャルメディア上でワクチンについて話す方法を分析し、ソーシャルメディア投稿におけるワクチンに関する進化的物語を理解する。
最初に、2013年から2022年までのワクチンに関する1870万のキュレートされた投稿からなる、新しいデータセットを紹介した。
我々の分析は、新型コロナウイルスのパンデミックが、ワクチンに関するXユーザーの感情と言論に複雑な変化をもたらしたことを示している。
- 参考スコア（独自算出の注目度）: 61.575555311964706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we study English-language vaccine discourse in social media posts, specifically posts on X (formerly Twitter), in seven years before the COVID-19 outbreak (2013 to 2019) and three years after the outbreak was first reported (2020 to 2022). Drawing on theories from social cognition and the stereotype content model in Social Psychology, we analyze how English speakers talk about vaccines on social media to understand the evolving narrative around vaccines in social media posts. To do that, we first introduce a novel dataset comprising 18.7 million curated posts on vaccine discourse from 2013 to 2022. This extensive collection-filtered down from an initial 129 million posts through rigorous preprocessing-captures both pre-COVID and COVID-19 periods, offering valuable insights into the evolution of English-speaking X users' perceptions related to vaccines. Our analysis shows that the COVID-19 pandemic led to complex shifts in X users' sentiment and discourse around vaccines. We observe that negative emotion word usage decreased during the pandemic, with notable rises in usage of surprise, and trust related emotion words. Furthermore, vaccine-related language tended to use more warmth-focused words associated with trustworthiness, along with positive, competence-focused words during the early days of the pandemic, with a marked rise in negative word usage towards the end of the pandemic, possibly reflecting a growing vaccine hesitancy and skepticism.
- Abstract（参考訳）: 本研究は、新型コロナウイルスの流行(2013年～2019年)の7年前と、流行が最初に報告された(2020年～2022年)3年後のソーシャルメディア投稿、特にX(旧Twitter)投稿における英語ワクチンの言論について研究する。
社会心理学における社会的認知とステレオタイプコンテンツモデルの理論に基づいて、英語話者がソーシャルメディア上でワクチンについて話す方法を分析し、ソーシャルメディア投稿におけるワクチンに関する進化的物語を理解する。
そこで我々は,2013年から2022年までのワクチンに関する1870万件のキュレートされた投稿からなる新しいデータセットを最初に紹介した。
この大規模な収集は、初期の1億1900万件の投稿から、新型コロナウイルス前と新型コロナウイルス前の両方で厳格な事前処理を経て、英語話者のXユーザによるワクチンに関する認識の進化に関する貴重な洞察を提供する。
我々の分析は、新型コロナウイルスのパンデミックが、ワクチンに関するXユーザーの感情と言論に複雑な変化をもたらしたことを示している。
我々は、パンデミックの期間中にネガティブな感情語の使用が減少し、サプライズの使用が顕著に増加し、信頼関係の感情語が増加したことを観察した。
さらに、ワクチン関連言語は、信頼度に関連付けられたより温和な単語と、パンデミックの初期には、肯定的で能力を重視した単語を使用する傾向があり、また、パンデミックの終わりに向かって、ネガティブな単語の使用が顕著に増加し、おそらくはワクチンのヘジタシーと懐疑主義の増大を反映している。
関連論文リスト
- To Vaccinate or not to Vaccinate? Analyzing $\mathbb{X}$ Power over the Pandemic [13.944483610447536]
新型コロナウイルスのパンデミックを抑えるため、世界は世界的なワクチンのロールアウトの準備を始めている。
その中でも、$mathbbX$(元Twitter)は関連する情報を配布する上で重要な役割を果たしている。
我々の研究は、$mathbbX$データの自然言語処理を用いて感情分析アプローチを適用している。
論文 参考訳（メタデータ） (2025-03-04T12:40:49Z) - SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。
各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。
われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
論文 参考訳（メタデータ） (2024-10-24T03:03:54Z) - 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) - 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) - 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) - Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical
Embeddings [0.8808021343665321]
新型コロナウイルスワクチン接種に関するTwitter投稿のコーパスを抽出しました。
語彙カテゴリーの2つのクラス — 感情と影響要因 — を作成しました。
ワクチンに対するためらいのようなネガティブな感情は、健康関連の効果や誤った情報と高い相関がある。
論文 参考訳（メタデータ） (2021-04-02T16:13:16Z) - Cognitive networks identify the content of English and Italian popular
posts about COVID-19 vaccines: Anticipation, logistics, conspiracy and loss
of trust [0.5801044612920815]
英語やイタリア語の4765のユニークな人気ツイートに新型コロナウイルスワクチンについて焦点を当てている。
英語の人気ツイートは最大49万5000回も好まれた。
英語の"vaccine"のセマンティクスフレームは、信頼/予測と怒り/sadnessの間に高い相関関係があった。
イタリアのツイートは、初期の信頼レベルを深い悲しみに置き換えることで「空白」と表現した。
論文 参考訳（メタデータ） (2021-03-29T19:38:13Z) - 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) - 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。