Among sheeples and antivaxxers: Social media responses to COVID-19 vaccine news posted by Canadian news organizations, and recommendations to counter vaccine hesitancy
Notice bibliographique
Résumé
BACKGROUND: To create a successful public health initiative that counters vaccine hesitancy and promotes vaccine acceptance, it is essential to gain a strong understanding of the beliefs, attitudes and subjective risk perceptions of the population. METHODS: A qualitative analysis of coronavirus disease 2019 (COVID-19) vaccine discourse from 3,731 social media posts on the Twitter and Facebook accounts of six Canadian news organizations was used to identify the perceptions, attitudes, beliefs and intentions of Canadian news organizations' social media commenters toward taking a COVID-19 vaccine. RESULTS: Four main themes were identified: 1) COVID-19 vaccine safety and efficacy concerns; 2) conspiracy theories stemming from mistrust in government and other organizations; 3) a COVID-19 vaccine is unnecessary because the virus is not dangerous; and 4) trust in COVID-19 vaccines as a safe solution. Based on themes and subthemes, several key communication recommendations were developed for promotion of COVID-19 vaccine acceptance, including infographics championed by Public Health that highlight the benefits of the vaccine for those who have received it, public education about the contents and safety of the vaccine and eliciting an emotional connection through personal stories of those impacted by COVID-19. CONCLUSION: Specific considerations, such as leveraging the public's trust in healthcare professionals to act as a liaison between Public Health and the Canadian public to communicate the benefits of the vaccine against COVID-19 and its variants, may help reduce COVID-19 vaccine hesitancy.
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 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 | 0,000 | 0,008 |
| 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 | 0,002 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».