Attitudes of Swedish Language Twitter Users Toward COVID-19 Vaccination: Exploratory Qualitative Study
Notice bibliographique
Résumé
Background Social media have played an important role in shaping COVID-19 vaccine choices during the pandemic. Understanding people’s attitudes toward the vaccine as expressed on social media can help address the concerns of vaccine-hesitant individuals. Objective The aim of this study was to understand the attitudes of Swedish-speaking Twitter users toward COVID-19 vaccines. Methods This was an exploratory qualitative study that used a social media–listening approach. Between January and March 2022, a total of 2877 publicly available tweets in Swedish were systematically extracted from Twitter. A deductive thematic analysis was conducted using the World Health Organization’s 3C model (confidence, complacency, and convenience). Results Confidence in the safety and effectiveness of the COVID-19 vaccine appeared to be a major concern expressed on Twitter. Unclear governmental strategies in managing the pandemic in Sweden and the belief in conspiracy theories have further influenced negative attitudes toward vaccines. Complacency—the perceived risk of COVID-19 was low and booster vaccination was unnecessary; many expressed trust in natural immunity. Convenience—in terms of accessing the right information and the vaccine—highlighted a knowledge gap about the benefits and necessity of the vaccine, as well as complaints about the quality of vaccination services. Conclusions Swedish-speaking Twitter users in this study had negative attitudes toward COVID-19 vaccines, particularly booster vaccines. We identified attitudes toward vaccines and misinformation, indicating that social media monitoring can help policy makers respond by developing proactive health communication interventions.
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 | 0,002 | 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 | 0,000 | 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 ».