Entre les moutons et les antivaxs : réactions des médias sociaux aux nouvelles sur les vaccins contre la COVID-19 publiées par les agences de presse canadiennes, et recommandations pour contrer l’hésitation à l’égard de la vaccination
Notice bibliographique
Résumé
Contexte : Pour créer une initiative de santé publique réussie qui permet de contrer l’hésitation à l’égard de la vaccination et de promouvoir l’acceptation de la vaccination, il est essentiel d’acquérir une solide compréhension des croyances, des attitudes et des perceptions subjectives de la population à l’égard du risque. Méthodes : Une analyse qualitative du discours sur les vaccins contre la maladie à coronavirus 2019 (COVID-19) provenant de 3 731 publications dans les médias sociaux sur les comptes Twitter et Facebook de six agences de presse canadiennes a été utilisée pour déterminer les perceptions, les attitudes, les croyances et les intentions des commentateurs dans les médias sociaux des agences de presse canadiennes à l’égard des vaccins contre la COVID-19. Résultats : Quatre principaux thèmes ont été dégagés : 1) préoccupations relatives à l’innocuité et à l’efficacité des vaccins contre la COVID-19; 2) théories de conspiration découlant de la méfiance à l’égard du gouvernement et d’autres organisations; 3) un vaccin contre la COVID-19 est inutile, parce que le virus n’est pas dangereux; et 4) la confiance dans les vaccins contre la COVID-19 comme solution sécuritaire. En se fondant sur les thèmes et les sous-thèmes, plusieurs recommandations clés en matière de communication ont été élaborées pour promouvoir l’acceptation des vaccins contre la COVID-19, notamment des infographies parrainées par la Santé publique qui mettent en évidence les avantages des vaccins pour ceux qui l’ont reçu, l’éducation du public au sujet du contenu et de l’innocuité des vaccins et l’établissement d’un lien émotionnel grâce aux histoires personnelles des personnes touchées par la COVID-19. Conclusion : Des considérations particulières, comme le fait de tirer parti de la confiance du public dans les professionnels de la santé pour agir comme liaison entre la santé publique et le public canadien afin de communiquer les avantages des vaccins contre la COVID-19 et ses variants pourraient aider à réduire l’hésitation à l’égard des vaccins contre la COVID-19.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».