COVID-19-Related Web Search Behaviors and Infodemic Attitudes in Italy: Infodemiological Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Since the beginning of the novel coronavirus disease (COVID-19) outbreak, fake news and misleading information have circulated worldwide, which can profoundly affect public health communication. OBJECTIVE: We investigated online search behavior related to the COVID-19 outbreak and the attitudes of "infodemic monikers" (ie, erroneous information that gives rise to interpretative mistakes, fake news, episodes of racism, etc) circulating in Italy. METHODS: By using Google Trends to explore the internet search activity related to COVID-19 from January to March 2020, article titles from the most read newspapers and government websites were mined to investigate the attitudes of infodemic monikers circulating across various regions and cities in Italy. Search volume values and average peak comparison (APC) values were used to analyze the results. RESULTS: Keywords such as "novel coronavirus," "China coronavirus," "COVID-19," "2019-nCOV," and "SARS-COV-2" were the top infodemic and scientific COVID-19 terms trending in Italy. The top five searches related to health were "face masks," "amuchina" (disinfectant), "symptoms of the novel coronavirus," "health bulletin," and "vaccines for coronavirus." The regions of Umbria and Basilicata recorded a high number of infodemic monikers (APC weighted total >140). Misinformation was widely circulated in the Campania region, and racism-related information was widespread in Umbria and Basilicata. These monikers were frequently searched (APC weighted total >100) in more than 10 major cities in Italy, including Rome. CONCLUSIONS: We identified a growing regional and population-level interest in COVID-19 in Italy. The majority of searches were related to amuchina, face masks, health bulletins, and COVID-19 symptoms. Since a large number of infodemic monikers were observed across Italy, we recommend that health agencies use Google Trends to predict human behavior as well as to manage misinformation circulation in Italy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle