Negative COVID-19 Vaccine Information on Twitter: Content Analysis
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: Social media platforms, such as Facebook, Instagram, Twitter, and YouTube, have a role in spreading anti-vaccine opinion and misinformation. Vaccines have been an important component of managing the COVID-19 pandemic, so content that discourages vaccination is generally seen as a concern to public health. However, not all negative information about vaccines is explicitly anti-vaccine, and some of it may be an important part of open communication between public health experts and the community. Objective: This research aimed to determine the frequency of negative COVID-19 vaccine information on Twitter in the first 4 months of 2021. Methods: We manually coded 7306 tweets sampled from a large sampling frame of tweets related to COVID-19 and vaccination collected in early 2021. We also coded the geographic location and mentions of specific vaccine producers. We compared the prevalence of anti-vaccine and negative vaccine information over time by author type, geography (United States, United Kingdom, and Canada), and vaccine developer. Results: We found that 1.8% (131/7306) of tweets were anti-vaccine, but 21% (1533/7306) contained negative vaccine information. The media and government were common sources of negative vaccine information but not anti-vaccine content. Twitter users from the United States generated the plurality of negative vaccine information; however, Twitter users in the United Kingdom were more likely to generate negative vaccine information. Negative vaccine information related to the Oxford/AstraZeneca vaccine was the most common, particularly in March and April 2021. Conclusions: Overall, the volume of explicit anti-vaccine content on Twitter was small, but negative vaccine information was relatively common and authored by a breadth of Twitter users (including government, medical, and media sources). Negative vaccine information should be distinguished from anti-vaccine content, and its presence on social media could be promoted as evidence of an effective communication system that is honest about the potential negative effects of vaccines while promoting the overall health benefits. However, this content could still contribute to vaccine hesitancy if it is not properly contextualized.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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) | 0,003 | 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