Longitudinal Analysis of Health Misinformation: A Case of COVID-19 Pandemic
Notice bibliographique
Résumé
We conduct a longitudinal analysis of health misinformation to understand its temporal patterns and impact on public health behaviors. Informed by the Health Belief Model, we analyzed 12521 fact-checked claims related to COVID-19 posted between Jan 03, 2020, when the pandemic emerged, and May 11, 2023, when the public health emergency ended. Keeping up with the computational theory construction paradigm, we employed several methods to identify health belief topics, claim veracity (i.e., true, false, or misleading), media of origination (i.e., social or web media), and modality (i.e., lean or rich). Following the temporal bracketing approach, we analyze the patterns of misinformation (i.e., false and misleading claims) during eight stages encompassing several surge and recovery periods, as well as emergence and wind-down. Furthermore, we correlated misinformation patterns with vaccination trends to determine the impact of misinformation on public health behavior. Based on the empirical evidence, we develop propositions to theorize about the phenomenon of misinformation and health behavior. This study contributes by conducting a longitudinal analysis of health misinformation and provides insights into the patterns of health beliefs that originate on social and web media in different modalities. Further, this study contributes by providing insights into the impact of misinformation on health behaviors. The insights might interest several public health experts and policymakers in designing better communication and intervention strategies to counter the false narrative about the pandemic. The study could also inform the development of better approaches to identifying, monitoring, and fact-checking misinformation. Finally, the study lays the ground to examine further motivations, mechanisms, and impacts of sharing health misinformation on online platforms.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».