Influence of Mass Media on Italian Web Users During the COVID-19 Pandemic: Infodemiological Analysis
Notice bibliographique
Résumé
Background Concurrently with the COVID-19 pandemic, the world has been facing a growing infodemic, which has caused severe damage to economic and health systems and has often compromised the effectiveness of infection containment regulations. Although this infodemic has spread mainly through social media, there are numerous occasions on which mass media outlets have shared dangerous information, giving resonance to statements without a scientific basis. For these reasons, infoveillance and infodemiology methods are increasingly exploited to monitor information traffic on the web and make epidemiological predictions. Objective The purpose of this paper is to estimate the impact of Italian mass media on users’ web searches to understand the role of press and television channels in both the infodemic and the interest of Italian netizens in COVID-19. Methods We collected the headlines published from January 2020 to March 2021 containing specific COVID-19–related keywords published on PubMed, Google, the Italian Ministry of Health website, and the most-read newspapers in Italy. We evaluated the percentages of infodemic terms on these platforms. Through Google Trends, we searched for cross-correlations between newspaper headlines and COVID-19–related web searches. Finally, we analyzed the web interest in infodemic content posted on YouTube. Results During the first wave of COVID-19, the Italian press preferred to draw on infodemic terms (rate of adoption: 1.6%-6.3%) and moderately infodemic terms (rate of adoption: 88%-94%), while scientific sources favored the correct names (rate of adoption: 65%-88%). The correlational analysis showed that the press heavily influenced users in adopting terms to identify the novel coronavirus (cross-correlations of ≥0.74 to ≤0.89, P value <.001; maximum lag=1 day). The use of scientific denominations by the press reached acceptable values only during the third wave (approximately 80%, except for the television services Rai and Mediaset). Web queries about COVID-19 symptoms also appeared to be influenced by the press (best average correlation=0.92, P<.007). Furthermore, web users showed pronounced interest in YouTube videos of an infodemic nature. Finally, the press gave resonance to serious “fake news” on COVID-19, which caused pronounced spikes of interest from web users. Conclusions Our results suggest that the Italian mass media have played a decisive role in spreading the COVID-19 infodemic and addressing netizens’ web interest, thus favoring the adoption of terms that are unsuitable for identifying COVID-19. Therefore, the directors of news channels and newspapers should be more cautious, and government dissemination agencies should exert more control over such news stories.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».