Emotions and arguments in the anti-vaccination movement: Cross-cultural observation of the websites
Bibliographic record
Abstract
La vaccination entraine-t-elle à l'autisme? Les réponses à cette question ont causé des débats depuis Web 2.0, lorsque des contenus auto-publiés commencent à croître (Kata, 2012). Si les individus ne possèdent pas de technique pour juger la véracité de l'information, cela peut avoir des conséquences négatives sur la santé. Les sites web sur la vaccination qui causent des perturbations émotionnelles sont également dérangeants. Les études ont montré que les émotions peuvent faciliter ou limiter les processus et les résultats d'apprentissage (Pekrun et al., 2010). Il est donc nécessaire d'examiner comment les individus évaluent les affirmations faites sur ces sites web, ainsi que les émotions qui surviennent par conséquent. On a examiné la source et la justification utilisées dans le contenu du site web, l'attitude que possèdent les individus envers la vaccination, ainsi que les émotions qu'ils ont ressenties lorsqu'ils répondent au contenu ou aux commentaires des autres sur ces sites. On a choisi des sites web venant des cultures qui varient dans leur expression émotionnelle: les États-Unis/le Canada, le Japon, et le Chili. Les sites web de magazines parentales ont été choisis basés sur le nombre de partage et de visites, aussi sur s'ils présentent un ou deux côtés de l'argument. Les commentaires individuels sont segmentés et analysés. On a codé les émotions épistémiques (la surprise, la confusion) et les émotions sociales (la colère envers les autres, la gratitude). Les résultats ont montré que les sites web qui ont un point de vue équilibré sont basés sur des preuves venant des articles scolaires. Les sites web pro-vaccination utilisent des citations des professionnels médicaux pour justifier leurs affirmations. Par contre, les sites web anti-vaccination dépendent sur des expériences personnelles et les affirmations sont justifiées par des recherches frauduleuses. Les résultats indiquent que parmi toutes les émotions ressenties, la colère (50%) a été marquante dans des sites-web qui contiennent un point de vue pro-vaccination ou équilibré, et ceci est consistent dans toutes les cultures examinées. Ces résultats donnent des aperçus sur l'importance des perspectives de débats pour entrainer des émotions spécifiques, et font connaitre la possibilité des différences culturelles dans l'expression émotionnelle, les arguments utilisés sur les sites web, et les attitudes qu'ils ont sur des sujets controversés sur la santé. Des études interculturelles sont recommandées pour comprendre plus sur la cognition et les émotions épistémiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".