A qualitative review of social media sharing and the 2022 monkeypox outbreak: did early labelling help to curb misinformation or fuel the fire?
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: Misinformation, defined as a claim that is false or misleading, considers information that is both shared with the intention of causing harm, and information that is false with no ill intent. Early attempts to downplay the risk of monkeypox (mpox) by singling out men who have sex with men (MSM) may have had the ill effect of stigmatising this group in discussions online. The aim of this study was to evaluate themes present on Instagram related to the 2022 mpox outbreak under #monkeypox. Specifically, this study sought to determine if the pervasive narratives surrounding the coronavirus disease 2019 (COVID-19) pandemic, particularly related to government mistrust and conspiracy, were penetrating discussions about mpox. METHODS: A total of 255 posts under #monkeypox (the top 85 posts per day, every 10days in July 2022) were collected on Instagram. A content analysis approach, which seeks to quantify themes present, was utilised to evaluate themes present in posts under #monkeypox. RESULTS: Contrary to previous research investigating public health misinformation online, the majority of posts under #monkeypox were categorised as accurate information (85.9%). Moreover, a surprising number of posts were classified as anti-misinformation (32.9%), whereby users actively worked to debunk false information being shared online related to mpox. CONCLUSIONS: We hypothesise that early labelling of the disease as one that strictly affects online MSM communities has resulted in the digital community coming together to fact-check and debunk misinformation under #monkeypox on Instagram.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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