Infodemic Versus Viral Information Spread: Key Differences and Open Challenges
Notice bibliographique
Résumé
Unlabelled: As we move beyond the COVID-19 pandemic, the risk of future infodemics remains significant, driven by emerging health crises and the increasing influence of artificial intelligence in the information ecosystem. During periods of apparent stability, proactive efforts to advance infodemiology are essential for enhancing preparedness and improving public health outcomes. This requires a thorough examination of the foundations of this evolving discipline, particularly in understanding how to accurately identify an infodemic at the appropriate time and scale, and how to distinguish it from other processes of viral information spread, both within and outside the realm of public health. In this paper, we integrate expertise from data science and public health to examine the key differences between information production during an infodemic and viral information spread. We explore both clear and subtle distinctions, including context and contingency (ie, the association of an infodemic and viral information spread with a health crisis); information dynamics in terms of volume, spread, and predictability; the role of misinformation and information voids; societal impact; and mitigation strategies. By analyzing these differences, we highlight challenges and open questions. These include whether an infodemic is solely associated with pandemics or whether it could arise from other health emergencies; if infodemics are limited to health-related issues or if they could emerge from crises initially unrelated to health (like climate events); and whether infodemics are exclusively global phenomena or if they can occur on national or local scales. Finally, we propose directions for future quantitative research to help the scientific community more robustly differentiate between these phenomena and develop tailored management strategies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».