Une exploration des messages Twitter émis par les gouvernements en temps de COVID-19
Notice bibliographique
Résumé
Les gouvernements se tournent de plus en plus vers les plateformes de médias sociaux telles que Twitter pour diffuser des informations liées à la santé publique au grand public, comme en témoigne la pandémie de la COVID-19. Le but de cet article est de mieux comprendre l'utilisation de Twitter par le gouvernement et les responsables de la santé publique Canadiens comme plate-forme de diffusion de messages pendant la pandémie, et d'explorer l'engagement et le sentiment du public à l'égard de ces messages diffusés. Nous avons examiné les données de 93 comptes Twitter de responsables de la santé publique et du gouvernement au Canada pendant la première vague de la pandémie (du 31 décembre 2019 au 31 août 2020). Nos objectifs étaient les suivants: 1) déterminer les taux d'engagement du public auprès des publications Twitter des gouvernements fédéral et provinciaux/territoriaux du Canada et des responsables de la santé publique, 2) illustrer l'évolution du discours public Canadien pendant la première vague de la pandémie par des tendances d'hashtag et 3) fournir un aperçu de la réaction du public aux tweets des autorités Canadiennes grâce à une analyse des sentiments. Pour atteindre ces objectifs, nous avons extrait des publications Twitter, ainsi que les réponses et les métadonnées qui leurs sont associées, en langue anglaise et française, pendant toute la période de l'étude. Nos résultats suggèrent que les membres du public ont démontré un engagement accru envers les comptes Twitter des officiels fédéraux par rapport aux comptes Twitter des officiels provinciaux et territoriaux. Les analyses des tendances des hashtag ont illustré le changement de sujet dans le discours public Canadien, qui était initialement axé sur les stratégies d'atténuation de la COVID-19 et qui a évolué pour aborder des problèmes émergents tels que les effets de la COVID-19 sur la santé mentale. De plus, nous avons identifié 11 sentiments en réponse aux publications des officiels relatifs à la COVID-19. Cette étude illustre le potentiel de tirer parti des médias sociaux pour comprendre le discours public pendant une pandémie. Nous suggérons que des analyses routinières de telles données peuvent fournir des recommandations en temps réel aux gouvernements et aux responsables de la santé publique sur les sentiments du public lors d'une urgence de santé publique et peuvent aussi fournir des informations utiles sur les comptes/acteurs avec lesquels les membres du public sont le plus engagés, ce qui peut être mis à profit pour diffuser des messages clés.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».