在COVID-19对话中通过疫苗相关推文共享的网站的内容和动态:计算分析

简介

社交媒体上的错误信息导致了全球疫苗犹豫的增长。世界卫生组织(世卫组织)将“疫苗犹豫”定义为"尽管有疫苗服务，但仍延迟接受或拒绝接种疫苗" [1]并在2019年COVID-19爆发之前宣布其为2019年全球十大卫生挑战之一[2］．为应对这一大流行病而产生的"信息大流行"加强了人们对21世纪犹豫接种疫苗现象增多的关切[3.]以及社交媒体在传播疫苗相关错误信息方面发挥的关键作用[3.］．社交媒体上关于疫苗犹豫的言论并不仅仅代表个人行为。这些信息通常是民族主义右翼政客故意宣传的集中虚假信息的一部分。4]以及特定的反疫苗领袖和“名人”[5，6］．研究人员还记录了外国政府旨在通过削弱公众对社会机构(包括公共卫生来源和主流媒体)的信任来破坏民主进程的努力[7-9］．随着COVID-19大流行，社交媒体上的错误信息数量有所增加，包括反疫苗接种宣传[3.，10-14］．在大流行早期，公共卫生官员担心，大流行及其应对措施导致人们担心全球儿童和其他疫苗接种的获得和接受程度下降。此外，公共卫生工作的重点是开发疫苗，作为结束大流行的核心战略。因此，公众对疫苗的安全性和有效性的信任被认为是最重要的。研究社交媒体上关于疫苗接种的论述是理解公众情绪和确定不同用户(包括反疫苗接种倡导者)使用的具体策略来削弱对疫苗接种的信任的关键。

推特在设定公众和政治参与者议程方面的重要性已被证明。15]，包括接种疫苗[16，17］．根据议程设置理论[18]，在媒体上频繁和显著地呈现的问题会获得受众的认知。这种突出是重要的，因为它影响政治议程和政策制定。根据兰格和格鲁伯(第314页)[19，“除非一个问题进入了政治议程，否则它不会在立法机构被讨论、辩论或被政府采取行动……新闻报道是提高政策改变可能性的一个重要因素。”这个理论是用来描述过程的传统媒体特别是传统新闻。传统媒体，或旧媒体，指信息时代之前的中央集权的大众传媒机构，包括印刷、电视、广播、制片厂制作的电影和大型广告公司等[20.，21］．与基于单向技术的传统媒体传播不同，新媒体的传播基于交互式和很大程度上分散的计算机技术[22]，以互联网为划定的电信网络[23］．

与传统媒体将在互联网时代、尤其是社交媒体兴起后消亡的预测相反，研究表明，传统媒体仍然很重要。传统媒体记录了与社交媒体的协同作用，在中间议程设置过程中放大了它们对议程的相互影响[19］．关于大众媒体在大流行病期间的作用的研究是零散的，但最近一项使用计算方法探讨媒体在报道大流行病方面作用的研究表明，对政府卫生来源和框架的报道有限[24］．这种媒体报道在影响社区行为方面很重要。例如，一项关于意大利COVID-19报道和行为的研究表明，新闻媒体使用的框架对社区流动性变化的影响明显大于每日死亡报告数量的影响[25］．此外，尽管在网上寻求COVID-19信息的最常见来源类型是媒体，其次是政府来源，但政府来源最有可能满足医疗质量基准标准[26］．

对Twitter在政治议程设置中的作用的研究揭示了一种中间效应，即传统媒体和Twitter的议程不同，但相互影响[15］．然而，过去的研究并没有在与疫苗接种相关的推文中研究这种过程。由于推特在传播健康信息和错误信息方面的作用[27]，了解这个社交平台上与疫苗接种相关的内容和议程设置过程，可以促进公共卫生研究和知识，并为未来的干预措施提供信息。

通过调查来检查个人信念和意图的研究，获得了关于受众在面对新出现的大流行病时如何理解新疫苗的重要信息，包括他们对以前已知疫苗的心理框架的使用[28］．然而，由于人的回忆和对参与者的访问，调查是有限的。因此，有必要分析个人创造、分享和消费的社交媒体的内容和动态。分析大数据的新计算方法允许以前所未有的方式分析社交媒体上关于疫苗接种的传播[29-33］．

几项研究记录了Twitter在当前大流行之前传播与疫苗有关的错误信息方面的作用[8，34-38］．然而，很少有研究考察这种话语的模式。值得注意的是，推特上关于疫苗接种的讨论被报道为不受特定主题、来源或用户主导的异构对话。经常发布推特的信息来源包括特定健康网站、国家媒体、医疗组织和数字新闻聚合器[16］．最近一项与covid -19相关的研究[13调查显示，推特上最大的单一话题包括对COVID-19和流感的比较。在先前已知的和新的与疫苗相反的来源中都观察到错误信息的传播[13］．这项研究确定，已知的疫苗传播来源在大流行早期继续涉及这一主题。然而，这仅限于分析一天内发布的推文。为了更全面地了解这些对话，有必要研究作为推特COVID-19话语一部分的疫苗接种传播。

社交媒体上与疫苗相关的传播研究的另一个空白是对单一社交媒体平台的关注。研究表明，大多数社交媒体用户使用多种媒体来源和社交媒体平台[39]，并经常在不同平台之间来回切换[40］．因此，探索跨平台使用非常重要。分析twitter上共享的网站链接和网站域名，可以提供关于这种跨平台使用和信息源传播的信息。具体来说，在推特中包含一个URL可以让读者链接到该网站。例如，在飓风哈维和厄玛期间，大多数用跨平台链接回应错误信息的推文都专注于揭穿错误信息，并在回应中使用新闻源url [41］．因此，这种跨平台的使用可以在危机时刻共享信息。对COVID-19对话中的网站分享的研究记录了传统新闻来源的重要性和低质量消息来源的病毒式传播倾向。与高质量的健康信息来源相比，低质量的信息来源在推特上的分享率更高，而传统新闻来源的分享率远高于其他来源[42］．此外，在COVID-19推特对话中共享的网站揭示了用户的政治立场[43]，从而为大流行期间卫生与政治辩论之间的密切联系提供了更多支持。

这些先前的研究强调了Twitter上跨平台信息共享的潜在重要性。分析Twitter上作为外部内容共享的url和域名，可以深入了解有关疫苗接种的社交媒体消息中包含的特定内容和信息源的类型。尽管如此重要，但与疫苗相关的跨平台使用在Twitter上得到的学术关注有限。在COVID-19大流行早期，检查与疫苗接种相关的推文中分享的网站链接，可以通过更广泛地了解这种传播来丰富知识。这一知识的经验意义包括在社交媒体上传播基于证据的疫苗相关信息的通知策略。此外，它还可以揭示传统媒体在社交媒体时代的作用，以及社交媒体如何与疫苗相关的传播以及它们随时间的动态结合使用。最后，鉴于Twitter上关于疫苗相关内容的虚假传播的文件作用[8，37]以及在与covid -19相关的讨论中[44]，研究应超越疫苗相关内容的类型学[45]，并了解在传播这些内容时所采用的策略。社会网络安全新方法[46可以在这类检查中有所帮助。

这项研究的目标是调查在宣布大流行后的20周内，发布到COVID-19对话中的疫苗相关推文的网站分享情况。具体来说，我们分析了从2月1日(世卫组织宣布COVID-19爆发为国际关注的突发公共卫生事件两天后)到2020年6月23日发布的推文，并试图检查这些推文中共享的网站的量级、时间模式和内容。本研究将为理论和实践提供独特的贡献。我们研究的时间框架发生在疫苗开发和COVID-19疫苗接种运动实施之前。因此，在此期间发布的推文可以表明疫苗从一开始就包含在与covid -19相关的话语中的程度。它还将揭示通过跨平台链接共享推广的信息源。这些发现有可能表明，作为卫生信息提供者的官方卫生来源在领导议程方面的有效性，以及反对疫苗来源的突出作用。随着时间的推移，它还可以揭示反对接种疫苗运动的一些策略，并对这种新的、意想不到的全球健康威胁做出反应。这种理解对于推进关于社交媒体在公共卫生危机中的作用的理论，以及为未来的政策、干预和卫生信息的传播提供信息，以满足受众的信息和情感需求，都是重要的。

鉴于COVID-19推特对话中与疫苗相关的话语和网站共享的重要性，包括对疫苗相关信息来源及其传播的理解，我们提出了以下研究问题。

首先，据我们所知，这是第一项在COVID-19早期对话中检查疫苗接种背景下的外部内容分享的研究，我们有兴趣了解外部内容的规模，疫苗接种在大流行早期关于COVID-19的对话中的重要性，以及这些推文中网站分享的流行程度和动态。

因此，我们提出了第一个研究问题:作为COVID-19对话的一部分，在2020年2月1日至6月23日期间发布的与疫苗接种相关的推文(包括网站分享)的流行程度和动态是什么，这从这些推文的数量随时间的变化中可以看出。

我们更有兴趣了解在这个相对较新的信息源推广社交媒体策略中所展示的议程设置过程。由于网站的域，如电视网络、视频日志或个人社交媒体账户，代表了特定的信息源，我们的目标是了解这些来源及其特征。具体而言，鉴于信息来源在公共卫生传播中的重要性，我们试图确定在大流行的最初几个月里，在发布到COVID-19推特对话的关于疫苗接种的推文中最显著地分享的网站来源。

因此，提出了第二个研究问题:分享最多的20个网站域名有什么特点?

除了信息来源之外，我们还对分享最多的信息的内容感兴趣，这在我们的数据集中20个推文最多的网站中显而易见。这些网站的突出可能源于用户被这些内容所激活，并渴望分享这些内容。然而，具体的传播策略和协调努力也可能推动这种突出。因此，我们想要检查网站的内容和在这种跨平台模式中共享的特定信息，以及它们的传播。

因此，提出了第三个研究问题:分享最多的20个网站的内容和传播特征是什么?

方法

数据

该分析包括两个不同的与covid -19相关的推文数据集。第一个数据集基于使用“冠状病毒”和“武汉冠状病毒”等与covid -19相关的一般关键词收集的推文id集合[47］．我们用了" hydration " [48]，将每条推文的所有相关信息收集到JSON格式文件[49]透过推特搜寻应用程式设计介面(API) [50]，在所有这些推特id上。这个过程只填充了在补水时Twitter上可用的推文数据，并排除了被禁止的用户或被删除的推文。这个数据集有大约100万条推文。第二组数据包括从2020年1月29日至6月23日使用推特的流媒体API收集的约450万条与covid -19相关的推文[51，52］．由于这些推文是以流媒体的方式收集的，因此可以对一些推文进行分析，否则这些推文将不再出现在Twitter上。

然后对两个数据集进行过滤，只包括重叠的日期(2020年2月1日至6月23日)，并删除数据集中任何重复的推文。然后我们过滤了数据，只包括英语推文。鉴于我们对关于疫苗接种的推文感兴趣，每个数据集都使用子字符串“vax”和“vaccin”进行过滤。这一过程确保了我们分析中包含的推文涉及疫苗接种。结果数据集包含841896条英语推文。由于我们的重点是分析用户可用的内容，而不是用户的身份，所以我们没有试图区分人类用户和机器帐户(即机器人)[53］．图1显示数据选择和排除过程的图形流程图。

‎ 查看此图

URL提取

我们首先从每条tweet的JSON“entities”对象中提取网站URL，以获得原始URL，而不是Twitter自动缩短的版本。仍然被缩短的url使用API没有被缩短到原来的形式[54］．为了对URL进行预处理以进行分析，我们从所有域中删除了所有URL查询项。

内容分析

除了计算方法外，还对20个tweet最多的网站进行了混合方法内容分析，以确定网站的来源和内容。首先，记录了20个tweet最多的url的来源和发布日期。使用常数比较法的归纳定性方法对20个tweet最多的url的内容进行编码[55-57］．这个设计，优先考虑定量方法，是一致的说明的顺序设计。这个设计涉及到首先实施定量研究方法，然后是定性方法，目的是解释定量方法[58］．混合方法研究特别适合于研究复杂的社会现象，这种方法是合适的，因为定量方法被认为是不够的[58-60］．定性研究方法适用于探索性研究，当研究人员无法使用理论来提出假设或理论驱动的预测[61］．

定性分析遵循多步迭代过程。一位在混合方法研究方面具有专业知识的合著者创建了初始代码并记录了备忘录。最初的编码包括逐行详细读取数据，旨在理解不同url中描述的不同视图和操作，并以归纳的方式进行编码，同时保持对数据中出现的不同潜在理论方向的开放态度[62］．在分析的第二阶段，进行了聚焦编码。重点编码需要对初始编码过程中出现的重要且频繁的主题进行编码。集中编码有助于数据和研究的综合和概念化[62]，同时还要了解生成内容的不同来源。在不同的url内部和之间比较了语句和事件。在第二阶段，除了手头的文本之外，还考虑了之前的研究和分类，这些内容告知了url框架的类别。第一类包括公开提出以下至少一项质疑的内容:疫苗的有效性、疫苗的安全性以及那些资助、开发和/或测试它们的人的动机(即反对疫苗)。相反，第二类捕获的内容涉及COVID-19疫苗的有效性和/或安全性。第三类内容集中于疫苗研制方面的进展，包括关于特定疫苗研制和相关科学突破的新闻。在第三个主题中，编码员还注释了所报告的进展是基于有意义的发展，还是反映了轶事信息和毫无根据的说法。第四个类别涉及突出疫苗接种的政治方面的内容，包括将政治进程描述为影响疫苗的开发和向公众提供。这些政治内容被进一步编码，以捕捉疫苗接种是否实际上是整体内容的重点。此外，编码员还指出，任何类别的内容是否可能通过使用对过程的完整性、疫苗开发人员或决策和决策者产生怀疑的隐性线索而增加对疫苗接种的不信任。 For instance, a news story that announced that a COVID-19 vaccine was developed in 3 hours was coded as including “vaccine-opposing” sentiment, as it was judged to be increasing concerns about a vaccine that was developed so rapidly and, therefore, likely to reduce trust in its safety and efficacy.

在定性分析的第三阶段，出现了“疫苗接种政治化”的总体主题。一名接受过定性研究培训的研究生独立地遵循了这一过程，他首先使用归纳编码对20个url进行编码，然后按前面的类别进行编码。然后，他们提供了每个URL的报价来支持编码。作为对结果一致性的最后检查，我们评估了初始编码和定性分析的第三阶段之间所有url的编码器之间的协议。使用常数比较分析[62帮助我们发展了分析类别，包括对矛盾的关注。

推特传播分析

为了研究用于传播推文最多的网站的特定推特传播策略，我们应用了社会网络安全方法来识别推文用户对网站的协调链接共享和泛滥(或垃圾邮件)[46，63］．具体来说，我们分析了所有分享推文最多的20个网站的推文。首先，我们排除了转发，并从剩余的原始推文中删除了以下文本:提及、url、尾随空白和格式化字符(即“\n”)。然后，我们记录了包含每个网站的URL的推文数量，发布该网站的唯一用户，所有包含该网站的推文中的唯一文本，在同一网站的第一条推文发布后一小时内发布的以该网站为特色的推文，以及未回复的提及，以及第一条和最后一条包含该网站的推文之间的天数范围。

结果

概述

我们的目的是了解作为COVID-19推特对话一部分的疫苗相关推文中分享的网站的规模、随时间的动态、内容、来源和传播情况。第一个研究问题集中在与疫苗接种相关的推文的流行程度和动态，以及随着时间的推移，作为COVID-19对话的一部分发布的网站分享。分析显示，这些对话显示了与疫苗接种相关的推文的整体增长。研究还表明，与关于疫苗接种的整体推文相比，网站分享有明显的模式。如上所述，我们的数据集总共包含841896条tweet。如在图2在美国，关于疫苗接种的推文在3月和6月激增。今年3月，推文转发量也出现了相应的激增。相比之下，3月份网站分享量略有增长，4月份持平。此外，共享网站和共享独特网站的多样性随着时间的推移而增加，这表明在大流行的最初几个月里，随着大流行的范围和规模的增加，Twitter用户从更多的来源传播更多的外部内容。

我们的分析显示，841,896条推文中有五分之一(n=185,994, 22.1%)包含至少一个网站。524,998名用户中有四分之一(n=128,408, 24.5%)至少在一个网站上发布了推文。相比之下，只有19.4% (n=163,743)的推文包含至少一个标签，23.0% (n=120,699)的用户至少发布了一个标签。此外，85.2% (n=717,150)的推文提到了另一个用户的账户(即使用“@”符号指代另一个Twitter账户)，87.4% (n=459,038)的用户在推文中至少提到了一个账户。在这些提及中，只有12.1% (n=87,097)是回复(即当一个用户直接回复另一个用户的推文时)。图3显示这些不同社交媒体构件的使用率。

在提到疫苗接种的推文中，有五分之一(185,994/841,896,22.1%)包含网站链接。这些网站包括11311个独特的网站域名。大多数域名(n= 6962,61.6%)只发布了一个独特的网站。

‎ 查看此图

‎ 查看此图

网站域名分析

研究问题2探讨了20个分享最多的网站域名，重点关注传统媒体、社交媒体和公共卫生资源的作用。详见表1［64-83]，在20个推文最多的网站域名中，大多数(n= 14,70%)由传统新闻媒体组成，包括新闻机构、报纸和电视网络。然而，推文最多的网站域名是Raw Story，这是一家美国在线小报，属于进步类。另一家小报《纽约邮报》在推特最多的网站域名中排名第19位。唯一上榜的社交媒体平台是YouTube，它在推特最多的域名中排名第三。同样，唯一的官方政府和/或健康来源是美国疾病控制和预防中心(CDC)，该网站在推特最多的网站域名中排名第20位。

与这20个域名相关的网站占所有75,642个网站的8.25% (n=6244)。推文最多的两个网站——raw Story和《耶路撒冷邮报》——各自的大部分推文都来自一篇新闻报道。值得注意的是，个人推文最多的两个网站都属于这一类，这表明“病毒式”推文可以增加一个域名的受欢迎程度。

平均而言，每个域每个域有4.26个(SD为24.4)个网站，模式为1个网站，这表明许多域只与一个网站相关联。总的来说，数据中所有域名的62.7% (n=6963)只有一个与该域名相关的唯一网站。YouTube是一个例外，在所有域名中拥有最多的独特网站，其次是CDC网站。

对20个推特最多的域名模式的时间分析记录了三个不同的域名使用峰值，如图所示图4．收视高峰包括2月20日至24日的《耶路撒冷邮报》和《电缆报》，以及3月4日的《Raw Story》。这些域名使用的峰值是通过该域名发布特定网站的结果。特定的故事成为“病毒”下划线领域活动。推特域名通常在一周甚至一天内被共享。因此，这种模式可以被描述为“突发”，而不是在较长时间内持续发布与特定域名相关的不同网站。

‎ 查看此图

与大多数以“爆发性”活跃为特征的域名相反，一些域名，如YouTube和《卫报》，长期以来使用情况稳定。20个最持久的推文域名总结在表2［65-67，69-73，75-78，80，82-88］．

作为表2YouTube是最常被推的域名。在20个域名中，12个(60%)推文持续时间最长的是新闻机构，2个(10%)包括美国联邦官方卫生机构。美国疾病控制与预防中心和国立卫生研究院(NIH)都包括在这个列表中，表明这些域名的内容持续共享。同样，除了YouTube, Instagram和谷歌也是第二个上榜的社交媒体平台。

网站分析

第三个研究问题探讨了20个推文最多的网站的内容和传播动态。表3［89-108]显示了数据中20个推文最多的个人网站。

20个推文最多的网站约占数据集中所有包含网站的推文的13% (n=185,994)。Raw Story发布的推文最多的网站几乎占了其中的一半，有6.6% (n=12,201)的推文包含网站。作为表3表明，20个推文最多的网站中，大多数(n= 11.55%)来自传统媒体或新闻机构，其他6个网站(30%)来自小报和纯数字报纸和网站。一个假新闻网站、一个右翼请愿网站和另一个域名是另外三个网站的来源。后两家是推文最多的20家网站中仅有的非新闻来源网站。

定性分析表明，作为一个总体主题，这些网站的内容表现出疫苗接种的政治化。推文最多的网站是数字小报Raw Story，该网站描述了共和党人阻止COVID-19法案，以避免对制药公司的疫苗收费设置限制。疫苗接种的政治化在其他网站上也很明显。如在表3在美国，20个网站中有9个(45%)(#1、#4-6、#8、#9、#15、#17和#20)关注疫苗及其开发的政治方面。其中2项(第6项和第15项)仅将疫苗作为一个次要问题提及。此外，其中2个特征线索可能增加或与接种疫苗的不信任有关。其中包括《福克斯商业》(Fox Business)的一篇报道(第14篇)声称，一种疫苗是由盖茨基金会资助、与中国合作在3小时内开发出来的，以及BBC新闻(第18篇)报道了法国一名高级卫生官员呼吁在非洲测试COVID-19疫苗的评论。尽管世界卫生组织否认了这些评论，但这篇报道总体上表现出对疫苗开发的不信任，直接引用了名人对在非洲进行测试的可能性的回应，并提到了在非洲妓女身上进行有争议的艾滋病毒药物测试。同样，STAT的故事(#20)报道了里克·布莱特博士离开生物医学高级研究与发展管理局，但没有说明他离开的原因，这可能会导致观众对他们的信任降低，因为他们对情节的描绘留下了很多想象空间。其他框架包括批评时任总统特朗普在做出评论或决定后抗击大流行的能力，包括建议使用流感疫苗来预防COVID-19(#8和#15)，以及退出加快疫苗开发的全国努力(#17)。

在9个(45%)报道疫苗开发进展的网站中，只有2个被报道的开发被证明是成立的(#7和#16分别报道了阿斯利康和Moderna)。时代周刊报道了Moderna疫苗临床试验的推出(#16)，作为唯一一个提供内容医学框架的网站脱颖而出，并包括关于疫苗使用信使RNA (mRNA)机制的解释。相比之下，7个(35%)的故事在分析时涉及的进展是没有根据的或没有实现的(#2，#3，#11-14和#17)。值得注意的是，其中3份报告包括以色列研制疫苗的消息，据称该疫苗距离终点还有3天，距离批准还有90天。这一信息来自以色列科学技术部长，来源是一份英文的以色列报纸和一份尼日利亚数字报纸。在未进入市场的疫苗开发报道中，只有关于Novavax疫苗的报告(#11)包含了试验阶段的信息。关于Greffex的报告(#12)包括关于疫苗技术的一些科学信息和强调这一漫长过程的时间表。

只有一个(5%)网站明确表示反对接种疫苗(#10)。其中包括一份阻止强制接种疫苗的请愿书，该请愿书被包含在一个促进保守、右翼事业请愿的网站域名中。同样，由美国在线媒体公司Business Insider调查的网站中，只有一个(5%)网站(#19)提供了预防框架，将疫苗定位为结束大流行的方式。

表4［89-108]提供了原始推文的信息，包括20个推文最多的网站。

一些网站的Twitter传播统计数据显示，有人试图通过不真实的手段传播这些网站。具体来说，包含有线电视网站链接(#3)和STAT网站链接(#20)的推文中，有很高比例的推文只有很高的转发率，这是一个通过在社交媒体平台上大量传播或发送垃圾邮件来传播网站的指标，目的是人为地让该网站成为热门，从而向其他社交媒体用户提供更多的曝光。此外，包括第20个推文最多的网站STAT在内的超过一半的推文文本是相同的，这表明了协调的、不真实的链接共享。这种协调的不真实链接共享的证据也出现在包括生命请愿网站链接的推文中(#10)，与该网站的推文数量和发布该网站的独特用户数量相比，该网站的独特推文文本也相对较少。

讨论

主要研究结果

这项研究首次对疫苗接种相关推文中分享的网站的流行程度、动态和内容进行了研究。我们重点关注了在世卫组织宣布COVID-19大流行至2020年6月23日之后20周内关于COVID-19对话的推文。这项研究的主要发现是，在推出这些疫苗之前，利用跨平台战略促进COVID-19疫苗接种的政治化。这种内容的政治化、对疫苗开发中毫无根据的“进步”的宣传，以及对令人不安的政治阴谋的报道，这些都有可能反过来导致公众对疫苗开发和有效性背后的科学知识以及对疫苗接种的信任的下降。未来的研究应调查暴露于这种覆盖的影响。

虽然之前关于该话题的研究通常集中在Twitter讨论反映特定疫苗情绪的程度上，但我们的研究表明了该话题的政治化，这是由进步倾向的来源和内容(例如，在线小报Raw Story)和传统媒体(例如，华盛顿邮报)以及右翼倾向的来源，包括传统媒体(例如，耶路撒冷邮报)和假新闻来源(例如，True Pundit)所共享的。

被推特的网站代表了不同的传播来源，传统新闻媒体是最受欢迎的共享域名。无论是传统新闻媒体在网站分享中的突出地位，还是非传统媒体渠道的出现，如小报、视频博客和其他社交媒体，都是新媒体环境下中间议程设置过程的例证。这些过程以前在政治内容中有记载[15]，这项研究将它们扩展到健康环境中。除了对传统新闻内容进行“重新梳理”，Twitter还推出了非传统的纯数字内容，这在大多数分享的消息来源中都很明显。当他们发布的故事成为病毒式传播时，这些非传统来源通常在网站分享方面变得突出。例如，数字小报Raw Story [109，该网站因其报道共和党人阻止一项法案以保护制药公司免受疫苗相关利润限制而成为推文最多的网站。非传统来源的突出表现了一种媒介间议程设置过程，为以前被禁止进入精英空间的个人提供了一个传播信息的平台[15，110］．推特“已经成为传统政治、经济或学术精英之外那些善于雄辩和精通媒体的人的一个重要平台”。15］．我们的研究将这一研究范围扩展到疫苗相关对话中的媒介议程设置。在很大程度上，Twitter上共享的url内容代表了另一种议程。在这个议程中，超越疫苗接种问题的政治动机的故事被突出地列出。它们既代表了在数据收集时对特朗普美国总统政府的反对，也代表了右翼民粹主义观点，包括反对疫苗的内容。同样，虽然一些关于疫苗开发的新闻报道经受住了时间的考验，但一些关于疫苗进展的报道是不准确的，例如以色列开发了一种疫苗。这种类型的报道可能会增加公众对新闻，特别是科学新闻的怀疑。非传统媒体来源的议程设置对公共卫生工作具有理论和实践意义。不幸的是，在这种情况下，这些来源也被与错误信息、阴谋论和反对疫苗的信息有关的Twitter用户使用。

在这种新媒体环境中，CDC和NIH等官方卫生来源在传播信息方面取得了一些成功，这可以从它们被列入推特最多的域名(即CDC)和共享最一致的域名(即CDC和NIH)列表中得到证明。这一点很重要，因为与包括媒体在内的其他来源相比，政府来源已被证明能提供可靠、高质量的信息[42］．然而，创建推文最多的独特网站，换句话说，“病毒式传播”，被证明更具挑战性，至少在跨平台分享的背景下是这样。在大流行期间，向公众提供科学可靠信息的可靠来源的重要性更加突出。我们的研究结果显示，在我们的样本中，美国疾病控制与预防中心在推特上的疫苗对话中扮演着重要角色，是推特上推文最多的第20个网站域。美国疾病控制与预防中心在提供大量不同网站方面也仅次于YouTube，这表明它提供了推特用户认为重要的各种信息，这些用户认为有必要在推特上分享这些信息。相比之下，在推文最多的前20个网站中，没有国家卫生研究院特定网站的唯一链接，但其域名是推文最稳定的20个域名之一。尽管美国疾病控制与预防中心、美国国立卫生研究院和其他公共卫生来源也有可能通过Twitter上分享的传统媒体链接发挥了额外的影响力，但这种影响在20个推文最多的网站上并不明显。

鉴于传统媒体的突出地位，其建立的门户、检查和平衡，网站上分享的大多数故事不包括明显的反对疫苗的内容也就不足为奇了。这一发现与之前对推文的内容分析一致，报告称反对疫苗的内容在推特上的整体讨论中占少数[16，111，112］．虽然从公共卫生的角度来看，这是令人鼓舞的，但重要的是要记住，错误信息的影响可能仍然很大，特别是考虑到推特的社交网络性质，它经常向特定群体广播。36]以及群体免疫在最大限度地提高疫苗接种效果方面的必要性[112］．

我们的研究结果还指出了国际化内容的突出性。除了大型的全球媒体机构，如路透社或CNN，以及美国的报纸和小报，一些英国报纸，尤其是《卫报》，在我们的数据中有大量的推特。此外，以色列报纸《耶路撒冷邮报》和尼日利亚数字报纸《电缆报》都被列入了分享最多的网站名单，这要归功于关于所谓的以色列COVID-19疫苗的疯狂报道。与其他被大量推特的小型媒体机构类似，这两家外国小报纸展示了小玩家在新媒体环境中通过提供耸人听闻的叙事而成为“病毒式传播”来推进自己议程的机会。在尼日利亚报纸的案例中，不真实的、有针对性的传播这一故事的尝试导致了它的受欢迎程度，这表明了在新的社交媒体环境中故意操纵的重要性。这种快速变化的环境，其特征是网站分享的“突发性”模式，需要不断提供新的耸人听闻的叙述以及信息和不真实的传播策略，这可能对政府和官方卫生来源构成独特的挑战。此外，社交媒体跨平台分享的突出表现是，YouTube是第三大共享最多的域名，也是长期以来共享次数最多的网站。未来的研究应进一步探讨不同平台所包含的内容，以及用户对这些内容的解读和参与分享的动机。

最后，这些发现对于揭示这些外部内容和这些链接的传播模式很重要。尽管已知Twitter上存在机器人和其他不真实的疫苗相关内容传播策略[8，37]，关于COVID-19 [44]，之前的研究通常集中在分析推文的内容，试图识别错误信息[45］．这些研究对于提高用户所接触内容的知识和理论是很重要的。但是，这些内容的传播策略也需要理解和考虑。例如，阻止此类内容的干预措施应考虑传播策略。鉴于目前研究中的竖井，据我们所知，社会网络安全方法以前没有应用于与疫苗相关的话语。因此，我们的研究很重要，它提供了一个机会，通过外部内容的传播，探索疫苗相关内容在Twitter上的传播。

这些结果具有重要意义，可以为干预措施、政策和未来的研究提供信息。在最基本的层面上，我们的研究结果表明，分享网站链接是Twitter上关于该话题的一种常见策略。事实上，共享网站比话题标签更常见，后者已成为Twitter的代名词。由于在社交媒体上用于创建讨论社区，标签经常被研究。113，114］．因此，在我们调查的疫苗讨论的背景下，外部网站和标签一样频繁地被提及，这是很重要的。

我们的分析还显示，网站以“突发”模式发布推文，表明大量来源、故事和共享主题存在异质性。数据收集时共享的外部链接的数量和多样性增加的结果与其他记录“信息大流行”兴衰期的研究一致。最近的一项研究表明，这种增长的动机是不确定性和国家支持的宣传[115］．外国政府利用新冠病毒作为传播不实信息和虚假信息的载体。此外，它提供了一个高度不确定的信息环境，很难进行事实核查。作者强调了由政府来源提供持续可靠的医疗信息的重要性。虽然我们同意这一建议，但值得注意的是，我们的研究结果也指出了此类公共卫生应对的挑战。鉴于信息来源的数量、多样性以及不断变化的主题动态，此类回应将需要大量的努力和资源[115］．

优势与局限

这项研究的优势来自于它对在一个重要历史时期收集的大量数据集的分析。此外，我们采用了计算方法和人类编码的三角测量来研究Twitter上疫苗话语中以前未探索过的传播策略。然而，这项研究并非没有局限性。首先，我们的推文是通过搜索常见的疫苗相关关键词和标签收集的。虽然这些关键词和标签是在多个研究团队对推文进行了广泛的文献回顾和分析后确定的，但有可能一些新兴的关键词和标签没有被包括在内。未来的研究可以应用其他计算方法，如主题模型网络分析[116］．

额外的限制是基于我们对英语推文的关注和特定的时间框架。未来的研究应扩大研究范围，包括更多的语言和时间框架，特别是在COVID-19疫苗推出期间和之后。此外，一些与疫苗相关的推文，特别是那些宣扬反对疫苗的信息，在分析时被推特删除了。因此，分享的反疫苗推文的实际数量可能比我们能够报告的要高，而且它们的内容可能与收集到的内容有所不同。此外，我们还关注了与疫苗相关的推文，这些推文是COVID-19推文对话的一部分。虽然我们的数据集是独一无二的，因为它包括了所有相关的推文，而不是一个样本，但我们的发现并不适用于Twitter上不属于大流行讨论的疫苗相关讨论。此外，我们的研究集中在大流行的前20周。未来的研究应比较我们在全球实施COVID-19疫苗接种运动后关于网站分享类似内容的发现。此外，我们还关注了20个推文最多的网站和域名的内容和传播，这些发现可能不适用于此数据集中共享的其他链接。

结论

这些发现对于促进对疫苗相关推文中的网站共享、使用及其动态的理解非常重要。分析显示，推特用户在COVID-19对话中分享网站作为疫苗信息的一部分，其中一些分享揭露了不真实的、故意传播这些内容的企图。我们的数据包括大流行前5个月发布的推文，并表明疫苗相关的推文从一开始就在大流行相关推文中占据突出地位。未来的研究应检查接下来的几个月，因为随着疫苗开发的进展，这些对话的频率可能会增加，可能包括不同的信息来源。

这项研究的发现为未来的研究铺平了道路，这些研究将回答更多的问题。首先，未来的研究应通过检查2020年6月之后共享的网站来扩大这项研究的范围，特别是随着新的COVID-19疫苗获得批准和传播，以及关于其安全性和有效性的信息变得可用。鉴于我们的研究结果涵盖了特定COVID-19疫苗获得批准和传播之前的时期，因此它们揭示了关于这一主题的早期交流，而不是这些疫苗的具体风险和益处。

鉴于流感大流行和疫苗接种在全球的重要性，今后的研究还应扩大分析范围，纳入英语以外的其他语言。此外，考虑、衡量和分析我们工作的其他方面和影响也很重要。例如，到目前为止，研究还没有探索视觉内容对社交媒体上疫苗相关信息的影响。未来的研究应扩大本研究的分析范围，探索与疫苗相关的推文、网站和YouTube视频的视觉内容，以及这些内容在社交网络上传播的视觉影响。同样，未来的研究应该探索除本研究中研究的20个tweet最多的网站之外的其他url的内容和传播。

最后，我们呼吁假设驱动的沟通干预，不仅要衡量反疫苗接种信息如何以及为什么在社交媒体上传播[117]，并试图纠正错误信息[118，但也会试图阻止这种传播，取而代之的是提供科学准确的内容。这种未来的干预不应集中在一个社交媒体平台上，而是应该考虑并整合跨平台的信息共享。