在Reddit上关于疫苗的网络对话中检查同质性、语言协调和分析思维:使用深度神经网络语言模型和计算机辅助对话分析的研究

介绍

背景

COVID-19大流行引发了早在疫情成为全球焦点之前就存在的疫苗犹豫。疫苗犹豫，即"尽管有疫苗可用，但仍延迟接受或拒绝接种" [1]，已被世界卫生组织列为全球健康的十大威胁之一。对疫苗的犹豫阻碍了治疗疫苗可预防疾病的努力，造成数百万人不必要的死亡[1]。社交媒体上的反疫苗团体似乎推动了疫苗犹豫的增加。随着人们越来越多地通过社交媒体获取卫生信息，其中16%的人寻求与疫苗有关的信息[2]，了解对疫苗持不同态度的人如何在社交媒体上讨论疫苗，可能有助于政策制定者和从业者制定解决疫苗犹豫问题的战略。

基于网络的对话，例如本研究中关于疫苗的对话，属于更广泛的社交对话类别，其中个人讨论与日常兴趣或休闲有关的问题[3.]。社交谈话不同于正式的讨论，因为前者强调随意和自发地交换日常问题，而后者则侧重于理性地交换论点或意见[qh]4]。在这项研究中，我们将基于网络的对话定义为人们在社交媒体上就特定主题(在我们的案例中，关于疫苗)进行的社交互动，通常采取帖子和评论之间相互作用的形式。作为一种特殊类型的社交对话，基于网络的对话为相互交换论点、反思自己的想法和就各种问题达成一致提供了机会[5]。在疫苗方面，社交媒体上与疫苗有关的对话可以提供一个开放的渠道，对疫苗持不同意见的人可以通过这个渠道了解彼此的观点。此外，基于网络的对话可能会刺激认知信息处理[6，7]，这有利于建立有关复杂疫苗相关问题的基本知识。

虽然以前的研究使用了不同的方法来研究基于网络的对话，包括它们的频率、价、扩散大小和速度，但基于网络的对话的复杂性需要创新的理论和方法，特别是在特定背景下理解对话，如公共卫生[8]。我们对基于网络的对话是否真正为不同观点的交流提供了一个渠道，人们是否可以在一个开放和倾听的环境中进行交流，以及基于网络的对话是否会刺激认知信息加工缺乏清晰的认识。

为了填补现有文献中关于基于网络的对话的空白，特别是在健康背景下，我们提出了一个三方面的方法来理解基于网络的健康对话:对话网络的同质性，对话各方之间的关系动态，以及对话中的认知信息处理。同质性是指人们倾向于与具有相同先前存在的特征或态度的人交往。在我们的研究中，同质性是指对疫苗持相似态度的人彼此之间的互动比持不同观点的人更频繁的趋势。因此，首先，社交媒体上对话网络的同质性可能会抑制桥接社会资本的形成，而桥接社会资本对于从不同角度获取信息和就复杂的健康相关问题寻求建议至关重要[9，10]。第二，以尊重、开放和连通性为特征的积极关系动态[11]鼓励一个倾听的环境，促进持不同观点的各方之间的有效沟通。最后，基于网络的对话刺激的认知信息处理可能促进与问题相关的知识构建[6]。具体而言，通过深度神经网络语言模型和计算机辅助会话分析，我们分析了Reddit上的大规模会话文本数据，从三个方面考察了个人关于有争议的公共卫生问题(即疫苗)的会话行为:(1)同质性，人们是否以及如何选择性地参与与他们态度一致的对话;(2)语言协调(language coordination):在交际调节理论(Communication Accommodation Theory, CAT)的指导下，人们在进行与自己的态度相反或一致的网络对话时，是否以及如何调节自己的语言;(3)分析思维，在双加工理论和动机推理的指导下，人们在接近对立观点时是否以及如何进行动机推理或分析思维。

关于疫苗的网络对话中的同质性

社交媒体的技术支持提供了无数的信息和渠道供人们选择。几十年的研究发现，人们的选择往往是一致的。高选择媒体环境中的选择性和保持一致性的倾向可能导致同质性;也就是说，人们选择与态度一致的信息，传递与态度一致的信息，并与志同道合的人互动。同质性更有可能随着建立社区的智力专一性的增加而出现[12]。Reddit用户通常会参与被称为“subreddits”的论坛，这是一个自我选择的小组，专门讨论不同的主题。这使得Reddit很可能成为同质性扩散的背景。

同质性可能导致an回音室效应，一个封闭的系统，在这个系统中，人们倾向于寻找和传播强化他们先前存在的信念、态度和行为的信息，通常缺乏反态度的观点[13]。对同质性的实证研究为同质性在特定环境和特定主题中的作用提供了更集中的视角[14，包括健康。人们选择与他们的个人价值观和目标一致的健康信息[15]。例如，Johnson等人使用大规模数字跟踪数据[16发现了疫苗接种和反疫苗团体的回音室，其中有吸引力的叙述混合了安全问题和阴谋论等主题。Del Vicario等[17发现选择性曝光可能会促使相信错误信息的Facebook用户形成同质群体。个人认为符合他们先前信念的疫苗信息更可信、更有用、更有说服力;非专家更有可能选择那些证实他们已有想法的材料，这种影响在健康素养水平较高的个人中更为明显。18]。因此，我们期望在参与疫苗相关对话的reddit用户中发现同质性。因此，我们提出以下假设:

假设1:reddit用户更有可能选择性地回复那些对疫苗持类似立场的人。

基于网络的疫苗对话中的语言协调

尽管同质性让我们期望支持和反对接种疫苗的reddit用户更有可能与那些分享他们观点的人(即群内成员)互动，但他们也会与持反对意见的人(即群外成员)互动。我们将那些通过回复provvaccine和anti - vaccine群组中的帖子而连接起来的redditor定义为文化的桥梁(19]。比较群体外对话和群体内对话的语言模式提供了一种确定provvaccine组和anti - vaccine组之间的关系动态是否为正的方法。小组间对话中的积极关系动态可能为信息交换提供有利的倾听环境[11]。我们专注于一种动力，权力动力学,通过语言的协调在网络对话中，检查Reddit上关于疫苗的对话。

CAT预测并解释了人们为管理社会互动所做的调整[20.]。交际行为的不断变化，人们用来表明自己身份的语言或其他交际符号(如肢体语言、发型和饮食模式)被称为交际行为住宿．在不同的调节策略中，收敛是一种特定的适应策略，在这种策略中，个体在语言(如语速和口音)、副语言(如话语长度)和非语言特征(如手势)方面调整他们的交际行为，使其更像与他们互动的个人或群体。

趋同是双方社会力量的一种功能[21]，通常有两种形式:向上或向下收敛性。向上收敛是指处于从属地位的人对处于上级地位的人的交际行为进行调整;向下的辐合使气流的方向相反。人与人之间的权力距离主要来源于两个方面[22，23:状态和依赖。地位衍生的权力距离源于正式的称谓或非正式的声誉。当一个人需要从另一个人那里得到某样东西时，依赖衍生的权力距离就会产生，这就产生了对第二个人的依赖，并赋予第二个人对第一个人的暂时权力。依赖的一个例子是当一个人试图说服持相反观点的人时。这就产生了一种对说服目标的依赖，继而转化为目标和说服者之间的权力距离。CAT预测，这可能导致说服者调整他们的语言以适应说服的目标[23]。

CAT已应用于运行状况域。例如，一项关于即时通讯对话中的适应行为的实验室实验发现，关于人类乳头瘤病毒(HPV)疫苗的话语的长度和持续时间都有趋同的总体趋势[24]。尽管在包括医疗保健在内的各个领域对趋同进行了广泛的研究，但3的局限性值得进一步研究[21]。首先，人们进行迁就的具体方式尚不清楚，例如使用语言的特定部分(如虚词)或使用交际符号(如手势)。其次，我们对语言和交际符号相互迁就的边界条件了解甚少。第三，CAT很少在社交媒体中进行测试，社交媒体中多对多的传播模式改变了传播的性质，这可能会改变适应行为[25]。这项研究通过研究对疫苗相关问题持不同意见的人在社交媒体对话中虚词的潜在趋同，帮助填补了这些空白。

在这项研究中，我们检查了语言的协调在社交媒体上关于疫苗的对话中，这是一种特殊的迁就形式。经验性研究表明，provvaccine和anti - vaccine双方都有说服性的意图。一项分析反疫苗网站的研究发现，反疫苗网站之所以具有说服力，是因为它们将科学上接近的错误信息(如自闭症和脑损伤)与基于价值的信念(如自由和个性)混合在一起[26]。预防疫苗运动的典型目标是建立公众对专家的信任，并确保疫苗接种反映的是可获得的最佳科学知识，而不是政治利益[27，28]。因此，我们期望双方在互动时都试图说服对方。这就产生了一种依赖，转化为权力距离，导致说服者使他们的语言适应说服的目标[23]。因此，我们预测群体外对话的语言协调性高于群体内对话。我们的第二个假设是:

假设2:发布有关疫苗的reddit用户在与对疫苗持不同观点的群外成员互动时，比在与群内成员互动时更能适应他们的语言。

基于网络的疫苗对话中的分析思维

复杂的社会和科学争议，例如关于疫苗接种的辩论，需要批判性思维来评估科学证据，并可能重新考虑自己的观点[29]。然而，研究表明，当面对相反的观点时，人们可能会通过定向动机推理来反驳，从而强化他们已有的信念[30.-32]。定向动机推理是指人们在推理中具有方向性目标的现象，如偏爱的解释[33]。定向动机推理不是过度使用启发式处理的结果，而是高度认知参与的系统处理的结果[34]。根据双加工模型，系统加工和启发式加工是信息加工的两种途径[35，36]。系统加工是一个认知要求更高的过程，在这个过程中，个人会仔细考虑所提供的信息，而启发式加工是一个认知要求较低的过程，在这个过程中，信息中的简单线索会影响态度[36]。我们使用分析思考是指有意的和资源要求高的加工和直觉思维指不费力和本能的处理过程，继Epstein [37]。除了方向性动机推理外，当人们遇到与其先前存在的信念不一致的信息时，也可能发生准确性驱动推理[32]。当个人对自己判断的准确性缺乏足够的信心(例如，遇到与信念不一致的信息)时，他们更有可能在分析思维中付出更大的努力。[35]。无论他们的结果处理是定向的还是准确性驱动的，我们预计，当人们遇到相反的观点时，与直觉思维相比，他们倾向于进行更多需要资源的分析思维。

这种现象的另一面可以看到，当人们遇到与他们先前存在的信念一致的论点时，他们更有可能不加批判地接受[31];也就是说，当人们接触到与信念一致的信息时，他们倾向于使用启发式来做决定，因为当人们对信息的准确性有信心时，通常会避免资源要求的认知加工[38，39]。因此，当人们遇到与他们先前存在的信念一致的信息时，分析性思维就会减少。

在健康、风险和科学传播的背景下，动机推理可能解释了为什么人们容易受到错误信息的影响。对错误信息的敏感性最终可以追溯到人们倾向于确认先前持有的基于价值的信仰和保护他们的社会身份[40]。这一目标可以激发与政策相关事实相关的动机认知[34]。例如，受平等和社区激励的人认为，为少女接种预防人乳头瘤病毒的疫苗对保护妇女性健康至关重要，而重视等级制度和个人主义的人则认为，在少女中普遍接种预防人乳头瘤病毒的疫苗会增加少女发生无保护性行为的机会，从而损害她们的性健康[34]。因此，当人们遇到与他们对健康和科学的基于价值的信念不一致的信息时，他们可能会进行动机推理，这是强烈分析思维的结果。

学者们呼吁进行更多的研究，将认知模型纳入疫苗接种教育[41]并使用来自社交媒体平台的大数据来研究信仰系统的作用[42]。然而，很少有研究调查社交媒体帖子和评论背景下的分析思维。Faasse等人通过分析Facebook上关于儿童接种疫苗的1489条评论[43发现反疫苗评论通常表现出更强的分析思维。通过分析Facebook上12553条COVID-19疫苗事实核查帖子及其评论，Xue等[44表明，随着时间的推移，COVID-19疫苗事实核查帖子继续更具分析性。然而，研究尚未调查当接种疫苗和抗疫苗的社交媒体用户相互互动时，分析思维是如何变化的。在前面回顾的动机推理和双重处理的理论工作的基础上，我们提出了第三个假设，即当provvaccine和anti - vaccine redditor相互作用时，对话中的分析思维。

假设3:当人们与持相反观点的群体外成员互动时，分析性思维比与持相似观点的群体内成员互动时更高。

方法

数据收集

我们收集了2016年1月1日至2018年12月31日期间由谷歌BigQuery托管的Reddit存档中的所有帖子和评论。然后，我们使用一组关键字(例如，vaccine、vacc和vax)过滤与疫苗相关的帖子及其相应评论;见表S1多媒体附录1(45-47]查阅所用术语的完整列表)。接下来，我们删除了不相关的帖子和评论，例如动物疫苗和视频游戏中使用的疫苗(参见数据收集部分的详细删除标准)多媒体附录1）.我们获得了符合上述标准的62210条帖子和1178617条评论，作为后续分析的语料库。

使用微调预训练神经网络语言模型进行分类

我们随机抽取10.77%(6702/ 62210)的帖子供专家编码器使用四个虚拟变量将其编码为四类内容:(1)provvaccine消息如果帖子包含的观点对支持接种疫苗或反对疫苗犹豫的人有用，(2)反疫苗消息如果这篇文章包含了一个对反对疫苗的人有用的想法，(3)provvaccine作者如果我们能分辨出帖子的作者是provvaccine, and (4) anti - vaccine作者如果我们能确定帖子的作者是反疫苗的。我们将消息立场和作者立场分开编码，因为偶尔一篇帖子同时包含provvaccine和anti - vaccine信息，但尽管信息混合，作者立场是明确的(参见参见. c .措施部分的详细解释)多媒体附录1）.培训后随机选择的所有岗位由两名编码专家独立编码(见表S2)多媒体附录1对于编码器之间的可靠性)。

编码后的帖子作为4个类别对应的4个监督机器学习模型的训练数据。我们在自然语言处理中使用了预训练的语言模型，解码增强的双向编码器表示，来自具有解纠缠注意力的变压器(DeBERTa)。BERT是谷歌开发的一种预训练语言模型。具体来说，对于每个类别，我们基于DeBERTaV3对4个具有相同超参数的DeBERTa模型进行微调[48(见表3)多媒体附录1对于4个型号的性能)。使用4个微调的DeBERTa模型来预测未编码帖子(n=55,508)的4个类别的标签(即0或1)。训练集和机器预测帖子的组合作为进一步分析的帖子语料库(n=66,210)。回复帖子的评论包含了进一步分析的评论语料库(n=1,178,617)。表1根据他们对疫苗的立场总结了帖子和评论的分布情况。

措施

文章的立场通过整合2个虚拟变量的值来衡量:(1)provvaccine message和(2)anti - vaccine message。如果帖子只包含provvaccine信息(即，provvaccine消息=1,anti - vaccine消息=0)，则其帖子立场为provvaccine立场。同样，如果帖子只包含反疫苗信息(即，provvaccine消息=0,anti - vaccine消息=1)，则其帖子立场为反疫苗立场。如果一个帖子同时包含provvaccine和anti - vaccine信息(即provvaccine信息=1和anti - vaccine信息=1)，则该帖子的立场是双面立场。如果帖子不包含对疫苗的意见，或者读者不能清楚地识别其观点(即，provvaccine留言=0,anti - vaccine留言=0)，则其帖子立场是中立的(见2013年表S4中4类帖子立场的示例帖子)多媒体附录1）.

作者的立场是通过比较该帖子的作者被预测为接种疫苗或抗疫苗的次数来衡量的。每当作者发表与疫苗相关的文章时，我们都会预测他对疫苗的立场。如果一个作者被预测为provvaccine的次数多于被预测为anti - vaccine的次数，那么该作者的立场就是provvaccine。如果一个作者被预测为反疫苗者的次数多于反疫苗者，那么该作者的立场就是反疫苗者。如果一个作者被预测为provvaccine的次数与被预测为anti - vaccine的次数相等，那么该作者的立场是混合的。如果一个作者被预测既不接种疫苗也不接种疫苗，那么作者的立场是不明确的。的预测结果provaccine作者和反对疫苗接种的作者并发现没有作者发表了数量相等的大量疫苗和反疫苗帖子，但其中一种病例比另一种多1例。因此，决定使用绝对数量的provvaccine和anti - vaccine哨所对边缘情况并不敏感。

语言的协调通过检查评论内容与帖子内容或评论所回复的另一条评论内容之间的语言相似性来衡量2人之间的关系。具体来说，对于任何一对作者，一个作者和作者b，语言的协调是由的可能性来衡量的作者b使用特定的语言风格m标志在评论中u₂直接回复帖子或评论的u₁，使用相同的语言风格m标志通过一个作者．语言协调能力衡量了多少一个作者的用法m标志在帖子或评论中u₁触发使用m标志通过作者b在评论中u₂直接回复帖子或评论的u₁，相对于作者b的正常使用m标志在与一个作者．给定一组对话一个作者和作者b（一个：u₁，b：u₂)，我们定义的语言协调作者b向一个作者为:

在哪里定义的概率作者b使用m标志在评论中u₂直接回复一个作者的帖子或评论u₁使用m标志,定义的概率作者b的正常使用m标志在与一个作者．

语言风格标记包括由《语言查询与字数统计》(LIWC)词典生成的8类虚词[49]，包括冠词、助动词、连词、副词、非人称代词、人称代词、介词和量词。我们将重点放在虚词而不是具有实质意义的词上，以减少主题相关内容的影响，并增加本研究结果在不同语境中的普遍性[23]。在这项研究中，我们应用了语言协调的广义版本，我们测量了一个特定的作者b朝着一群一个作者在疫苗问题上也持同样立场。具体来说，给定一组交换年代_A、b之间的作者b还有一群作者一个一个．一组年代_A、b包括帖子或评论u₁不同的作者一个一个还有评论u₂的作者b．的语言协调性作者b致小组一个如下:

广义方程的概率在哪里年代_A、b．

我们使用了Python包的协调特性ConvoKit(2.5.3版本)[50]来计算每个作者对provvaccine作者组和anti - vaccine作者组的语言协调。换句话说，不管他们自己对疫苗的立场如何，每个作者都有1或2分的语言协调得分，这取决于他们是回复了小组内成员，小组外成员，还是两者兼而有之。

分析思考使用LIWC通过分析评分对每个帖子或评论进行测量(请参阅中的测量部分对该测量及其验证的详细解释)多媒体附录1）.分析思维的结构被定义为一种深思熟虑的思维模式，通过这种模式，复杂的概念被解构成更易于管理的组成部分及其相互作用[45]。包含大量通常表示概念的冠词和通常表示概念之间关系的介词的语言在本质上通常更具有分析性，因为这种语言手段的功能[45]。含有大量代词、副词、否定词、助动词和连词的语言通常表明一种更非正式和个人的风格[45]。我们之所以关注虚词，是因为虚词往往比具有实质意义的实词更能可靠地反映心理状态[46]。

推理分析

同质性

为了测试对疫苗持不同意见的reddit用户是否更有可能回复他们的小组成员(假设1)，我们关注的是那些至少发表过一次关于疫苗的文章并留下至少一条关于疫苗的评论的作者。(我们这么做有两个原因。从理论上讲，我们将发起并回应与疫苗相关帖子的Reddit用户定义为Reddit公共领域的积极参与者。在方法上，我们只编码了帖子作者的立场，而不是评论作者的立场，部分原因是评论文本的长度通常太短，无法成功分类。)然后，我们过滤了立场为provvaccine或anti - vaccine的评论作者和帖子来检验假设1。我们获得了13,899篇帖子和89,347条评论来检验假设1。然后，我们将相应帖子的立场与回复帖子的评论作者的立场进行匹配。最后，我们进行独立性卡方检验，检验两个变量之间的关系:文章的立场和评论作者的立场．

语言的协调

为了测试对疫苗持不同意见的reddit用户是否更有可能对其群内成员或群外成员协调语言(假设2)，我们过滤了立场为provvaccine或antivaccine且功能词计数不等于0的帖子和评论，因为功能词是我们衡量语言协调的一个组成部分。我们获得了14865条帖子和84544条评论，符合进一步分析的标准。在获得每位作者的语言协调得分(取决于他们是否回复了他们的小组成员，小组外成员，或两者兼而有之)之后，我们进行了2个单独的双尾独立样本t一项测试比较了provvaccine和anti - vaccine redditor如何协调他们对anti - vaccine redditor的语言，另一项测试比较了provvaccine和anti - vaccine redditor如何协调他们对provvaccine redditor的语言。我们进一步过滤了provvaccine redditor和anti - vaccine redditor，他们同时回复了群内成员和群外成员(即文化桥梁)，并进行了双尾配对样本t这些测试是为了检验同一名reddit用户在回复群内成员和群外成员时，语言风格的模式是否有所不同。

分析思考

考察帖子立场和评论作者立场对评论分析思维(即动机推理)的交互作用;假设3)，我们过滤了作者为provvaccine或antivaccine且虚词计数不等于0的帖子和评论。与我们对语言协调分数的分析类似，我们只使用非零虚词的帖子和评论，因为分析思维是基于虚词来衡量的。我们进一步选择了直接回复帖子而不回复其他评论的评论，以避免其他评论对目标评论的混淆效应。我们获得了7777篇帖子和14978条评论进行进一步分析。然后，我们使用多层建模来控制嵌套在同一作者、同一帖子或同一帖子作者中的评论之间不可测量的相互依存关系(参见在推理分析部分中的仅截距模型的类内相关系数)多媒体附录1）.类内相关系数在聚类(即相同的评论作者，帖子或帖子作者)中显示出中等高的可变性，因此我们通过应用3级交叉分类模型来考虑评论的相互依赖性。我们选择3级交叉分类模型是因为多个评论可以分别隶属于同一篇文章和同一评论作者(即交叉关联)，多个帖子可以隶属于同一篇文章作者(即第三级)。因此，结果变量(即评论中的分析思维)在第1层建模。所有的预测因素，包括岗位立场、作者立场和岗位分析思维，都在第2级建模。方程如下:

1级:

2级:

3级:

组合:

每个单独的评论在哪里我，j₁，j₂,j_3.分别代表评论作者、附属帖子和帖子作者;Z_{j - 1}代表评论作者的立场，W_j2表示岗位姿态，X_j2在岗位上表现出分析性思维;，,分别在评论作者、帖子和帖子作者之间随机变化的随机效果。

道德的考虑

这项研究使用了作者从Reddit收集的公开可用和可访问的帖子和评论。因此，所描述的活动不符合人体受试者研究的要求，不需要机构审查委员会的审查。

结果

假设1是关于接种provvaccine和anti - vaccine的reddit用户是否会选择性地回复他们的群内成员而不是群外成员，这一假设得到了支持。独立性的卡方检验结果显示，帖子立场与评论作者立场之间存在显著的相关关系(n=89396;χ²₁= 42210,P<措施)。provvaccine和anti - vaccine的redditor都更倾向于回复他们的群内成员而不是群外成员。表2总结了帖子立场和评论作者立场之间的交叉表。

假设2是关于provvaccine和anti - vaccine redditor是否更有可能协调针对群体外成员的语言而不是针对群体内成员的语言，这一假设得到了支持。provvaccine redditor比anti - vaccine redditor更有可能向anti - vaccine redditor协调他们的语言(mean 0.0055, SD 0.0351)，而anti - vaccine redditor更有可能向anti - vaccine redditor协调他们的语言(mean 0.0017, SD 0.0195;t_819.35=−2.02;P= .044)。抗疫苗redditor更有可能向provvaccine redditor协调他们的语言(平均值0.0033,SD 0.0249)，而provvaccine redditor更有可能向provvaccine redditor协调他们的语言(平均值0.0006,SD 0.0185;t_364.15= 1.99;P= .047)。图1展示了作者立场对语言协调的交互作用。

对于作为文化桥梁的reddit用户来说，反疫苗文化桥梁在回复接种疫苗的reddit用户(即外群体;平均值0.0038，标准差0.0232)和抗疫苗redditor(即组内;平均值为0.0023，标准差为0.0215)。语言协调得分差异(0.0016,95% CI - 0.0029 ~ 0.0060)无统计学意义(t₁₈₉= 0.70,P=的相关性)。相比之下，疫苗文化桥梁倾向于协调他们对反疫苗redditor(即外群体;平均0.0078,SD 0.0375)比provvaccine redditor(即组内;平均值0.0029，标准差0.0203)。语言协调得分差异(0.0048,95% CI 0.0003-0.0094)具有统计学意义(t₃₃₅= 2.08,P= .04点)。图2显示文化桥梁对疫苗持有相同或不同意见的人的不同语言协调。

假设3认为对疫苗持不同意见的reddit用户在回复外群体成员时是否更有可能进行分析思考，但这一假设不受支持。表3展示了帖子立场和评论作者立场在评论分析思维上相互作用的结果。平均而言，接种疫苗的作者评论中的分析思维能力显著低于抗疫苗的作者评论(β= - 12.87, SE = 1.60;P<措施)。疫苗留言的分析思维能力显著低于抗疫苗留言(β=−2.89,SE 1.36，P= 03)。我们没有观察到帖子立场和评论作者立场对评论分析思维的显著交互作用(β=)。89, 1.83;P=点);也就是说，接种疫苗的reddit用户和反疫苗的reddit用户在评论中分析思维的差异并不取决于他们回复的帖子的立场。

图3展示了帖子立场和评论作者立场对评论中分析思维的交互作用。无论帖子的立场如何，与接种疫苗的reddit用户的评论相比，平均而言，反疫苗的reddit用户的评论涉及更多的分析思考。同样，无论评论作者的立场如何，平均而言，回复反疫苗帖子的评论比回复接种疫苗帖子的评论涉及更多的分析性思考。我们还将分析性思维的趋势可视化地呈现在按帖子立场和作者立场分组的评论中图4和5．2016年至2018年的趋势与上述发现一致。

多层模型的结果还表明，疫苗相关文章的分析性思维对评论的分析性思维有显著的预测作用。我们在2016年至2018年的文章中可视化了分析思维的趋势图6该研究表明，平均而言，抗疫苗岗位比接种疫苗岗位需要更高的分析能力。这与文章中的分析性思维对评论中的分析性思维有积极预测作用的发现是一致的。

‎

‎

‎

‎

‎

‎

讨论

主要研究结果

在这项研究中，我们检查了Reddit上关于疫苗的帖子和评论的内容和语言模式。结果表明，provvaccine和anti - vaccine的redditor更有可能选择性地回复那些对疫苗有相似看法的redditor。然而，当redditor与其他对疫苗持反对意见的人互动时，provvaccine和anti - vaccine redditor都将他们的语言调整到小组外成员。然而，对于既与群体内成员又与群体外成员互动的文化桥梁来说，只有疫苗文化桥梁才能适应他们对群体外成员的语言。此外，provvaccine和anti - vaccine的redditor在与外部群体成员互动时并没有表现出更强的分析思维，这表明redditor在与对疫苗持不同立场的人互动时不会进行有动机的推理。平均而言，与接种疫苗的redditor相比，反疫苗的redditor在帖子和评论中具有更高的分析思维。这些发现有助于我们进一步理解公共卫生领域的网络对话，并对未来在社交媒体上设计疫苗运动具有启示意义。

首先，这项研究表明，provvaccine和anti - vaccine的redditor更有可能评论那些对疫苗有相同或相似观点的帖子。这一结果与之前的研究结果一致，即人们可能会在互联网上寻找与健康相关的信息，从而证实之前的信念。18而接种疫苗和反疫苗的群体往往会形成回音室[16]。结果表明，疫苗和反疫苗使用者倾向于形成同质社区，这可能会抑制桥接社会资本的形成。由于衔接社会资本对于个人接触到对某一特定问题(例如疫苗)的不同观点至关重要，[10]，我们的研究结果表明，对疫苗持不同意见的Reddit用户不太可能通过Reddit交流他们的观点。然而，我们强调，我们观察到一定数量的reddit用户通过与持不同意见的其他reddit用户互动，架起了双方的桥梁。这使我们能够进一步检查他们的语言协调能力和分析思维能力。

其次，我们的研究结果表明，接种疫苗和抗疫苗的redditor在与群体外成员互动时，会调整他们的语言;也就是说，与与群内成员的对话相比，当接种疫苗和反疫苗的redditor与持反对意见的人互动时，他们倾向于相应地调整自己的语言风格。这是一个充满希望和乐观的发现，因为倾听彼此是任何有效沟通的第一步。这表明，对疫苗持不同意见的reddit用户表现出积极健康的关系动态，这为交换论点提供了一个开放和联系的环境。然而，当我们过滤掉与群体内外成员沟通的文化桥梁时，结果就会略有不同。与与群内成员交流相比，只有疫苗文化桥梁才能适应与群外成员交流时的语言使用。这与CAT预测当人们试图说服群体外成员时会发生的情况是一致的，这会在持相反观点的人之间造成权力距离[20.，23经验研究发现，说服公众建立对专家和科学的信任是预防疫苗运动的主要目标[27，28]。这意味着在与持相反观点的人交流时，接种疫苗的文化桥梁更加开放和主动，而反疫苗的文化桥梁则没有表现出类似的开放。反疫苗文化桥梁之间的这种不情愿可能对有效的疫苗接种运动构成障碍，因为它们在改变反疫苗使用者的态度、观念和行为方面发挥着至关重要的作用。使用基于社交媒体的运动的公共卫生从业人员可能希望设计针对反疫苗文化桥梁语言使用的量身定制的干预措施。

第三，帖子和评论中的分析思维结果不支持我们的假设，即provvaccine和anti - vaccine redditor在与对疫苗持不同意见的人互动时进行动机推理。这些发现与Pennycook和Rand的研究结果部分一致[51他发现，对错误信息的敏感性并不是因为有动机的推理，而是因为缺乏实验室实验的推理。尽管我们发现反疫苗的Redditors可能不参与动机推理，这与Pennycook和Rand的研究结果一致[51]，我们的研究结果表明，无论与谁互动，反疫苗的reddit用户都具有相对较高的分析思维能力，而不是缺乏推理能力，这与Pennycook和Rand的研究结果不一致[51]。这种不一致的一个潜在原因可能是Pennycook和Rand [51]进行了实验室实验，而这项研究使用了大规模的社交媒体数据。这两种方法的有效性和普遍性水平的不同可能导致了研究结果的差异。未来的研究可能需要使用不同的方法来进一步探索陷入健康或科学相关错误信息的人是否参与动机推理以及他们分析思维的程度。

值得注意的是，平均而言，反对接种疫苗的reddit用户的评论和回复反疫苗帖子的评论比反对接种疫苗的人涉及更多的分析性思维。换句话说，从2016年到2018年，关于疫苗的基于网络的对话始终刺激了疫苗反对者比疫苗支持者更多的认知信息加工。这些发现与Faasse等人的研究结果一致[43他发现，在Facebook上，反疫苗评论通常比接种疫苗的评论表现出更高的分析思维。反对疫苗的人在社交媒体上的帖子和评论中表现出分析性语言风格的一个原因可能是，反对疫苗的人倾向于在他们的话语中使用类似科学的语言，用逻辑结构的陈述和较少的情感表达[52]。然而，疫苗反对者分析思维的心理驱动因素及其分析思维的具体内容尚不清楚。未来的研究应该进一步研究社交媒体上的反疫苗帖子和评论的内容，以回答这些问题。

理论与实践贡献

本研究通过同质性、CAT和动机推理的视角，有助于从理论上理解持相反观点的人之间的网络对话。如前所述，这3种理论有助于加深我们对在有争议的公共卫生问题上持相反观点的人们之间基于网络的对话的理解。本研究还通过测试人们是否在社交媒体上容纳特定类型的交际符号(即虚词)来扩展CAT，在社交媒体中，多对多的交际模式改变了交际的性质。此外，本研究通过使用社交媒体数据在现实环境中进行测试，扩展了关于动机推理的文献。

这项研究有几个重要的实际意义。首先，这些发现加深了我们对疫苗支持者和反对者如何在社交媒体上互动的理解。虽然以前的研究在宏观层面上进行了探索，但对疫苗支持者和反对者之间微观层面的相互作用缺乏深入的了解。我们的研究通过社交媒体上关于疫苗的帖子和评论中的语言协调和分析思维来填补这一空白。我们的研究结果提供了一个乐观的观点，即疫苗的支持者和反对者在与持相反观点的人交流时，会调整他们的语言，不进行有动机的推理。公共卫生从业人员可以在我们的研究基础上设计活动，利用社交媒体促进双方的沟通和相互理解。

其次，这些发现为为什么一些基于社交媒体的疫苗运动没有达到预期效果提供了潜在的解释，并可能对未来战略运动的设计产生影响。我们发现，当与对疫苗持反对意见的人交流时，prov疫苗文化桥梁适应语言使用，而反疫苗文化桥梁则不适应。这表明，尽管反疫苗文化桥梁在预防疫苗运动的成功中发挥了至关重要的作用，但它们并没有发挥应有的积极作用，这反映在它们缺乏语言适应上。未来以社交媒体为基础的疫苗运动可能希望以这些文化桥梁为目标，以促进双方之间的沟通。此外，我们的研究结果表明，疫苗岗位并没有成功地激发双方的分析思维。低分析性思维可能会阻碍对疫苗接种活动信息的理解。未来基于社交媒体的疫苗宣传活动可能需要设计信息和相应的视觉效果，以增强受众的分析思维。第三，我们发现，在社交媒体上与疫苗反对者互动时，疫苗文化桥梁和一般疫苗支持者会适应他们的语言。未来的疫苗运动可能包括版主或机器人，以适应疫苗反对者的语言主动发送疫苗信息。

限制与未来方向

这项研究有几个局限性，未来的研究应该检查。首先，这项研究依赖于LIWC词典中的一个单一项目来衡量分析思维。虽然之前的研究使用了LIWC的分析思维评分来回答各种研究问题[45-47]，该措施在社交媒体背景下的可靠性和有效性就不太清楚了。未来的研究应该使用不同的方法来操作社交媒体对话中的分析思维，以检验这些发现是否仍然成立。其次，本研究中使用的抽样策略可能导致偏差。这项研究只包括那些在Reddit上发表了至少一篇文章来验证假设1到假设3的理论和方法考虑的作者。因此，那些只评论帖子但自己没有发布帖子的reddit用户被排除在样本之外。此外，考虑到包括所有评论的潜在混杂因素，我们只使用一级评论(即直接回复帖子的评论)来检验假设3。这些抽样策略可能会在样本中引入选择偏差。未来的研究应该检验当所有评论和reddit用户都包括在内时，这些发现是否成立。第三，数据是在2016年至2018年COVID-19大流行之前收集的。COVID-19大流行改变了网上关于疫苗的讨论以及人们对疫苗的看法和态度。 Future studies should explore whether these findings can be generalized to the postpandemic era. Fourth, this study did not differentiate between different types of vaccines; nuances of attitudes toward vaccines; and characteristics of Redditors that may be related to vaccine attitudes, such as gender, nationality, and partisan identity, among others. Future studies are encouraged to explore how different audience characteristics, such as gender and nationality, may affect attitudes toward vaccines and how social media users with more nuanced attitudes interact with each other. Fifth, although this study did not find differences in the effects of different subreddits on the patterns of conversations (Table S5,多媒体附录1)，未来的研究可能会探索具有不同结构和功能的子reddit如何影响用户参与模式。

结论

本研究使用深度学习和计算机辅助对话分析，研究了2016年至2018年Reddit上关于疫苗的对话的内容和语言模式。这项研究发现，尽管人们更有可能回复观点相似的帖子，但当他们与持相反观点的人互动时，人们会调整自己的语言风格，不会进行有动机的推理。从理论上讲，这项研究加深了我们对网络对话本质的理解，特别是关于疫苗的网络对话。实际上，这项研究对未来基于社交媒体的疫苗运动设计具有启示意义，例如增加运动信息中的分析思维，并针对文化桥梁来促进支持和反对疫苗接种的人之间的对话。