“The mask is not for you” : A framing analysis of pro- and anti-mask sentiment on Twitter
Notice bibliographique
Résumé
In the midst of the COVID-19 pandemic, widespread adoption of facemasks has been recognized as a low-cost, simple public health intervention that can reduce the transmission of the virus. However, early in the pandemic significant public opposition emerged in the U.S. and other parts of the world. So-called “anti-maskers” argue that COVID-19 is a hoax or the threat is overblown, that facemasks are ineffective, or that mask mandates infringe on personal rights and freedoms. Social media platforms can play an important role in shaping public sentiment about health issues, as well as circulating harmful misinformation. Researchers can also study social media data to better understand public perceptions and dominant discourses. This study examines four prominent mask-related hashtags on Twitter across three different time periods early in the pandemic. A content analysis of these tweets was used to investigate pro- and anti-mask wearing sentiment, the motivations behind these beliefs, the rhetorical strategies and themes present in these communications, and changes over time. Of the 600 tweets collected, 440 were pro-mask wearing, 134 were anti-mask wearing, and 26 did not declare a position. Pro-mask tweets used evidence at a rate of 28%, while anti-mask tweets used evidence at a rate of 16%. The most common motivation for a pro-mask position was mask-wearing as a civic duty, and the most common motivation for an anti-mask position was standing up to government tyranny. There were 68 tweets that expressed distrust in institutions, 97% of which were anti-mask, 44% mentioned a conspiracy theory while only 18% used evidence to support their position. It was found that mask sentiment on Twitter encompasses a variety of themes, worldviews, and rationales. Public health messaging must go beyond information transmission, and account for the complexity of the social, political, and economic factors which influence belief and behavior.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».