MétaCan
Menu
Retour à la cohorte
Enregistrement W3118312354 · doi:10.1089/cyber.2020.0663

The Instagram Infodemic: Cobranding of Conspiracy Theories, Coronavirus Disease 2019 and Authority-Questioning Beliefs

2021· article· en· W3118312354 sur OpenAlexaff
Emma K Quinn, Sajjad S Fazel, Cheryl Peters

Notice bibliographique

RevueCyberpsychology Behavior and Social Networking · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensUniversity of CalgaryAlberta Cancer FoundationSimon Fraser UniversityAlberta Health ServicesUniversity of Northern British ColumbiaWorld Wildlife Fund Canada
Organismes subventionnairesnon disponible
Mots-clésMisinformationHoaxSocial mediaFalse accusationTheme (computing)PandemicCoronavirus disease 2019 (COVID-19)Government (linguistics)Media studiesPolitical scienceSociologyInternet privacyPublic relationsPsychologySocial psychologyMedicineDiseaseLawComputer scienceInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The novel coronavirus 2019 pandemic has brought about an overabundance of misinformation concerning the virus (SARS-CoV-2) and the coronavirus disease 2019 (COVID-19) it causes spreading rapidly on social media. While some more obviously untrustworthy sources may be easier for social media filters to identify and remove, an early feature was the cobranding of COVID-19 misinformation with other types of misinformation. To examine this, the top 10 Instagram posts (in English) were collected every day for 10 days (April 21-30th, 2020) for each of the hashtags #hoax, #governmentlies, and #plandemic. The #hoax was selected first as it is commonly used in conspiracy theory posts, and #governmentlies because it was the most commonly cotagged with #hoax. For comparison, we selected #plandemic as the most popular cotagged hashtag that was clearly COVID-19-related. This resulted in 300 Instagram posts available for our analysis. We conducted a content analysis by coding the themes contained in the posts, both for the images and the text caption shared by the Instagram users (including hashtags). The broad theme of general mistrust was the most common, including the idea that the government and/or media has fabricated or hidden information pertaining to COVID-19. Conspiracy theories were the second-most frequent theme among posts. Overall, COVID-19 was frequently presented in association with authority-questioning beliefs. Developing an understanding of how the public shares misinformation on COVID-19 alongside conspiracy theories and authority-questioning statements can aid public health officials and policymakers in limiting the spread of potentially life-threatening health misinformation.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,392
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberpsychology Behavior and Social NetworkingMême sujetMisinformation and Its ImpactsTravaux en français237 207