发表在第二卷第2期(2022):7月- 12月

本文的预印本(早期版本)可在以下网站获得https://preprints.www.mybigtv.com/preprint/37635,首次出版
疫苗指令语篇中的情绪和不文明:自然语言处理的见解

疫苗指令语篇中的情绪和不文明:自然语言处理的见解

疫苗指令语篇中的情绪和不文明:自然语言处理的见解

原始论文

通讯作者:

汉娜·史蒂文斯,文学士

加州大学戴维斯分校

护盾大道1号

加州戴维斯,95616

美国

电话:1 530 752 0966

电子邮件:hrstevens@ucdavis.edu


背景:尽管疫苗可用,但对疫苗的犹豫阻碍了公共卫生官员在美国缓解COVID-19大流行的努力。尽管一些美国民选官员发布了疫苗接种命令作为回应,但其他人则通过广播将疫苗效力降至最低的信息,放大了人们对疫苗接种的犹豫。社交媒体上COVID-19信息的政治两极化性质导致了不文明行为,在这种情况下,卫生态度往往更多地取决于政治意识形态,而不是科学。

摘要目的:据我们所知,还没有在关于COVID-19疫苗和授权的话语背景下研究不文明。具体来说,很少有人关注引发不文明疫苗话语和行为的心理过程。因此,我们调查了三种预测话语不文明的心理过程,即焦虑、愤怒和悲伤。

方法:我们使用了两种不同的自然语言处理方法:(1)语言查询和单词计数计算工具(2)谷歌Perspective应用程序编程接口(API),分析了2021年9月14日至2021年10月1日期间8014条包含与COVID-19疫苗授权相关术语的推文数据集。为了收集推文,我们使用了Twitter API推文下载工具(版本2)。随后,我们使用关键字过滤了375,000个与疫苗相关的推文数据集,以提取明确关注疫苗授权的推文。我们依靠语言查询和单词计数计算工具来测量推文中语言愤怒、悲伤和焦虑的效价。为了测量后不文明行为的维度,我们使用了谷歌Perspective API。

结果:本研究通过将不文明作为一个多层面的建构来解决不文明操作化的差异,并探讨了话语不文明的5个维度下的不同情感过程。研究结果显示,三种情绪——焦虑、愤怒和悲伤——与不文明行为的维度(如毒性、严重毒性、侮辱、亵渎、威胁和身份攻击)有着独特的关联。具体地说,结果显示,愤怒与不文明行为的所有方面(所有方面)显著正相关P<.001),而悲伤与威胁显著正相关(P= .04点)。相反,焦虑与身份攻击显著负相关(P=.03)及亵渎(P= .02点)。

结论:结果表明,我们对不文明的多维方法是一个有前途的替代方案,可以理解和干预不文明疫苗话语背后的心理过程。了解可以增加或减少不文明行为的特定情绪,如焦虑、愤怒和悲伤,可以使研究人员和公共卫生专业人员制定针对不文明疫苗话语的有效干预措施。鉴于需要实时监测和自动响应网络上的健康信息和错误信息的传播,社交媒体平台可以利用谷歌Perspective API在检测到不文明的评论时向用户提供即时的、自动的反馈。

JMIR信息流行病学2022;2(2):e37635

doi: 10.2196/37635

关键字



背景

截至2022年2月,新型冠状病毒(COVID-19)的出现已在全球造成5878,328例确诊死亡,423,437,674例确诊感染[1].尽管有疫苗,但对疫苗的犹豫阻碍了公共卫生官员减缓COVID-19大流行的努力,尤其是在美国[2].尽管一些美国当选官员已通过发布疫苗命令予以回应,但其他人则通过广播将疫苗效力降至最低的信息,放大了人们对疫苗的犹豫不决[3.4].

68%的美国成年人称社交媒体是他们的新闻来源[5], Twitter等社交媒体平台已成为美国政界人士分享议程的重要沟通渠道[6].因此,社交媒体已成为政治信息和错误信息的主要来源,包括关于COVID-19疫苗的信息[7-11].社交媒体上COVID-19信息的政治两极化性质导致了信息流行病,其中卫生态度往往更多地取决于政治意识形态,而不是科学[12-15].因此,政治归属影响对疫苗的负面情绪[16].这种负面情绪可能助长对疫苗和授权的不文明言论[1718].

社交媒体平台上的不文明行为在政治和健康等方面得到了广泛的研究和讨论[19-25].然而,据我们所知,还没有在关于COVID-19疫苗和授权的话语背景下研究不文明。具体来说,很少有人关注引发不文明疫苗话语的心理过程。我们的目标是通过对推文进行计算分析来弥补这一差距。在这项研究中,我们调查了负面情绪在预测Twitter上关于COVID-19疫苗要求的不文明帖子中的作用。最后,我们认为,更细致地理解不文明疫苗话语背后的心理过程对公共卫生干预具有实际意义。

负面情绪在疫苗强制不文明行为中的作用

在社交媒体研究中,不文明已经成为一个突出的讨论点。然而,不同领域的学者发现很难对不文明行为进行概念化。不文明的定义有很多种,包括不礼貌、亵渎和特定的歧视行为(例如,美国前总统特朗普在2016年被人发现称赞与女性发生未经双方同意的性行为)[26-29].Papacharissi [29把威胁——在这种情况下是对民主的威胁——作为不文明的定义加以补充。其他学者将不文明的行为定义为:使用大写字母、指责说谎、带有贬义的言论、极端意识形态的语言、夸张的论点和错误的信息。2630.-33].尽管有这些不一致的操作化,不文明是一个微妙的概念,因人而异,可能是因为它受到文化认知和对什么是不文明话语的理解的限制[1618].根据文献中概述的不文明在操作上的不一致,我们将不文明概念化为一个包含多种不文明行为的多层面结构,包括话语中的毒性、严重毒性、亵渎、威胁、侮辱和身份攻击。最近的研究认为,社交媒体平台上的不文明行为与毒性有关。34].Tromble [28认为亵渎和侮辱性语言是不文明行为的关键指标。同样,学者们认为,身份攻击和旨在在道德上攻击个人或群体的威胁语言也是不文明和不文明话语的一部分[35].现在我们将注意力转移到解释不文明的原因上。

不文明没有单一的原因;相反,不同形式的不文明行为是不同心理过程的结果。例如,一个用户可能因为焦虑而发布亵渎的内容,而一个用户可能因为愤怒而发表侮辱性的评论。然而,学者们往往通过将不文明行为概念化为具有单一解释的一维过程而模糊了这些不同的潜在心理机制[1921].在COVID-19疫苗和授权的背景下,在关于大流行的话语中,愤怒和焦虑等情绪反应和其他负面情绪非常突出[3637].事实上,研究发现,愤怒和焦虑等负面情绪在引发疫苗犹豫方面发挥了作用[38].我们调查了三种可能预测话语不文明的心理过程,即焦虑、愤怒和悲伤。

焦虑和无礼

对COVID-19疫苗安全性的焦虑,加上对COVID-19威胁的轻视态度,使相当一部分美国人表示不愿接种疫苗[38-40].现有理论认为,当感知到的威胁不可避免时,基于恐惧的攻击最为普遍[41-43],一种对疫苗有害的恐惧,如民选官员和媒体所延续的,随后往往采取规避策略(例如,拒绝接种疫苗)[9-1144].因此,强制要求犹豫不决的人接种疫苗的政策抑制了他们逃离威胁的能力,结果,个人可能会做出不文明的反应。事实上,已证明压力和焦虑可以预测大量不文明行为,包括COVID-19期间的网络攻击和欺凌[45-47].因此,我们假设如下。

假设(H) 1:焦虑正向预测后不文明行为。
愤怒和无礼

COVID-19疫苗授权引起了美国部分人士的愤怒,包括政治精英和媒体,他们加剧了公众对疫苗授权对个人自由构成威胁的愤怒[4849].与此同时,由于对疫苗安全和效力缺乏信心,部分人口感到他们认为与疫苗有关的健康风险对他们构成了威胁。愤怒可以被理解为对威胁的适应性反应[44];事实上,费瑟斯通和张的研究[44]发现疫苗错误信息会通过愤怒对人们对疫苗的态度产生负面影响。尽管愤怒具有抑制恐惧和增强面对威胁时的个人控制感的功能价值,但它也会推动不文明行为,包括针对持相反观点的人的攻击行为和蔑视行为。50-52].因此,我们可以预期,愤怒会助长COVID-19疫苗授权话语中的不文明行为。

H2:愤怒会积极地预示不礼貌。
悲伤与无礼

悲伤的感觉与不文明行为有关,包括网络攻击行为。4753].旅行、就业、群体社交、在餐馆吃饭、去健身房等等的自由越来越多地取决于一个人的疫苗接种状况[5455].因此,禁止未接种疫苗者参加已接种疫苗者可参加的人际关系和活动的规定,可能会加剧先前存在的COVID-19生活方式干扰因素引起的现有悲伤和抑郁[5657].此外,社会排斥会引起悲伤和感觉,一个群体(即未接种疫苗的人)经历了必须是正义的错误——政治学家创造了一种心态“受害者情结”[58].受害者心态可能促使个人对疫苗规定进行报复,并表现为不文明行为。据此,我们预测如下。

H3:悲伤会积极预示不文明行为。

数据收集

样本包括在Twitter上分享的帖子,Twitter是一个在网上寻找和分享健康信息的流行平台,包括关于接种疫苗和疫苗的(错误的)信息[7-11].我们选择整理一份与疫苗相关的词汇列表,并从包含这些词汇的推文中抓取。我们整理了一个单词列表,我们认为这些单词可以收集到与疫苗相关的推文,同时不会给数据集带来偏见。例如,“枪击”没有被包括在内,因为我们注意到它抓取了有关枪击的推文,而这些推文与COVID-19疫苗无关。这8014条推文包含了2020年9月14日至2021年10月1日期间与COVID-19疫苗授权相关的术语(如“现代化”、“要求”和“授权”)。看到图1有关数据收集过程的流程图。

Twitter的无代码应用程序编程接口(API)推文下载工具(版本2)用于提取关于COVID-19疫苗授权的帖子。我们感兴趣的是能够识别关于COVID-19疫苗授权的推文的词汇,而不是一般的COVID-19疫苗。因此,我们过滤了2020年9月14日至2021年10月1日期间发布的37.5万份与疫苗相关的推文数据集,以推断2020年9月14日至2021年10月1日期间与疫苗授权(如“强制”、“要求”和“强制”)具体相关的推文;最后的样本包含8014条tweet。

图1。数据收集流程流程图。
查看此图

自然语言处理程序

使用两种不同的自然语言处理方法对数据进行分析:(1)语言查询和字数计算工具[59]和(2)谷歌Perspective API [60].

LIWC情绪分析

LIWC是一种自然语言处理工具,它通过计算给定推文中属于预先指定类别的单词的百分比来衡量文本中的心理过程。它已被验证并用于COVID-19大流行期间的心理健康调查(如LGBTQ+青年心理健康)[1261].与其他产生情绪效价的情感分析词汇(如Afinn和Bing,他们给文本从消极到积极打分)不同的是,我们没有推断出离散的情绪和产生二元结果的情感分析词汇(如NRC),我们想要对文本具有特定情绪的程度进行连续测量[62].尽管有多种工具可以使用自然语言处理方法持续捕捉情感和情绪(如IBM Watson) [63],我们专门使用LIWC字典进行情感分类,因为与上述自然语言处理工具相比,LIWC字典已在多项研究中得到验证,因此我们认为它能更准确地估计文本数据中反映的情感水平。我们利用LIWC来衡量文本中语言愤怒(如“沮丧”和“恼怒”)、悲伤(如“绝望”和“痛苦”)和焦虑(如“害怕”和“压力”)的效价[59].推文的平均焦虑得分为0.79 (SD 1.67),平均愤怒得分为0.11 (SD 0.75),平均悲伤得分为0.09 (SD 0.52)。

视角API机器学习分析

为了衡量帖子不文明的维度,我们使用谷歌Perspective API来衡量与疫苗授权相关的推文中的毒性、严重毒性、侮辱、亵渎、威胁和身份攻击的水平(见表1) [60].谷歌透视API是谷歌反滥用技术团队设计的一个工具,用来衡量网络帖子中的不文明行为。

谷歌Perspective API模型是由人类编码人员根据来自各种基于web的来源(包括论坛(如Wikipedia))的数百万条评论的数据集进行训练的。该模型是稳健的,并已在各种背景下使用,从政治不文明到强奸文化到COVID-19疫苗信息[216465].例如,Hopp等[64)要求受访者自我报告他们在网络上进行不文明交流的程度,然后将其与参与者社交媒体内容的跟踪数据相关联。结果表明,那些自我披露参与了不文明的社交媒体行为的人也倾向于在社交媒体上产生不文明的内容,通过谷歌Perspective API进行测量。这些方面的不文明行为已经在多个领域进行了测试,并在大量的人工注释评论上进行了训练[60].

表1。不文明可变属性。
属性名称 API的角度来看一个描述(60 示例文章b
严重的毒性 “非常可恶、攻击性、不尊重的评论,或以其他方式很可能让用户离开讨论或放弃分享他们的观点。” “去他的疫苗和去他的新冠病毒,这不应该是必需的!!”
身份攻击 “因为某人的身份而对其进行负面或仇恨的评论。” 不服从。去他的自由主义者和他们愚蠢的疫苗命令。”
侮辱 对某人或一群人的侮辱性的、煽动性的或负面的评论。 “银行账户被冻结是为了抗议政府的命令。你还得打多少疫苗才能变聪明?醒醒,你这愚蠢的小绵羊。”
不敬的言语 “粗话、脏话或其他淫秽或亵渎的语言。” “成为疫苗任务的受害者一定很痛苦。网上有个破洞,满嘴泡沫来否定你的经历。”
威胁 描述对个人或群体施加痛苦、伤害或暴力的意图。 “如果有人强迫我的孩子接种疫苗,我会一枪毙了他。”

一个API:应用程序编程接口。

b为了使该表适合出版,脏话已被删减。

道德的考虑

本研究不包括个人身份信息。机构审查委员会承认,对公开可得数据的分析不构成人体受试者研究。本研究仅使用公共领域的信息;因此,不需要伦理审查和批准。


非文明话语维度的因子分析

在假设检验之前,我们进行了重复测量方差分析,以评估是否将不文明行为的维度一起或分开建模。受试者内部因素的主要影响是显著的(F4, 32052= 930.44;P<.001),表明在身份攻击、侮辱、亵渎、威胁和严重毒性之间存在显著差异(见表2).

Tukey比较用于测试每个不文明维度组合的边际平均差异。除了身份攻击和亵渎外,每种组合之间都有显著差异表3).因此,我们得出结论,不文明行为的5个维度应该在主要分析中分别评估。

表2。科目内变量的均值表(N=8014)。
无礼貌的维度 意思是(SD)
严重的毒性 0.10 (0.14)
身份攻击 0.12 (0.12)
侮辱 0.18 (0.20)
不敬的言语 0.12 (0.18)
威胁 0.17 (0.15)
表3。重复测量方差分析的每组受试者内变量的边际均值对比。
对比 区别 SE t测试(df) P价值
严重中毒-身份攻击 -0.02 0.001 -15.11 (8013) <措施
严重毒性-侮辱 -0.08 0.001 -66.07 (8013) <措施
严重的毒性——亵渎 -0.02 0.0008 -25.79 (8013) <措施
严重毒性-威胁 -0.06 0.001 -43.18 (8013) <措施
身份攻击-侮辱 -0.06 0.002 -36.78 (8013) <措施
身份攻击——亵渎 -0.004 0.002 -2.39 (8013)
身份攻击-威胁 -0.05 0.002 -30.34 (8013) <措施
侮辱——亵渎 0.06 0.001 43.06 (8013) <措施
侮辱——威胁 0.01 0.002 6.30 (8013) <措施
亵渎-威胁 -0.04 0.002 -21.48 (8013) <措施

逻辑回归分析

二分数据

数据的歪斜分布使得我们必须对不文明的维度进行二分回归。谷歌Perspective API建议,如果评论得分为0.7或更高,则将其标记为具有属性。因此,该值用于逻辑回归的数据二分类[60].在8014条推文中,有53条(0.66%)包含身份攻击,405条(5.05%)包含侮辱,317条(3.96%)包含亵渎,137条(1.71%)包含威胁,91条(1.14%)包含严重毒性。

为了进行假设检验,我们进行了5项逻辑回归分析,以评估帖子中的愤怒、焦虑和悲伤是否预示着不文明的推文(参见表4而且图2).焦虑、悲伤和愤怒在所有不文明维度上的方差膨胀因子都小于1.5,表明我们的自变量之间不存在多重共线性。

表4。二元逻辑回归结果显示,焦虑、愤怒和悲伤预测不文明的维度。采用McFadden R2计算模型拟合。
变量 比值比(95% CI) B P价值 R2 χ23.
威胁 . 01 18.78

(拦截)
-4.04 <措施


焦虑 0.88 (0.78 - -1.01) 06


悲伤 1.27 (1.02 - -1.58) .04点


愤怒 1.21 (1.10 - -1.33) .19 <措施

身份攻击 .09点 58.64

(拦截)
-5.06 <措施


焦虑 0.70 (0.50 - -0.96) 36 03


悲伤 1.15 (0.74 - -1.77) .14点 54


愤怒 1.59 (1.40 - -1.80) .46 <措施

不敬的言语 口径。 567.15

(拦截)
-3.58 <措施


焦虑 0.90 (0.81 - -0.98) 02


悲伤 1.04 (0.83 - -1.31) .04点 综合成绩


愤怒 3.27 (2.93 - -3.67) 1.19 <措施

侮辱 。08 258.25

(拦截)
-3.13 <措施


焦虑 1.01 (0.95 - -1.07) .008 .79


悲伤 0.85 (0.67 - -1.10) 16 口径。


愤怒 2.03 (1.85 - -2.23) <措施

严重的毒性 239.27

(拦截)
。45 <措施


焦虑 0.89 (0.75 - -1.06) .20


悲伤 1.01 (0.65 - -1.57) . 01 .96点


愤怒 2.37 (2.12 - -2.66) .86 <措施

图2。负面情绪预测严重中毒、威胁、亵渎、侮辱和身份攻击的几率。愤怒、焦虑和悲伤的得分是通过语言查询和单词计数计算机编码工具计算出来的,该工具通过计算给定推文中属于预先指定类别的单词的百分比来衡量文本中的心理过程。
查看此图
焦虑

我们发现焦虑对认同攻击的影响(B= 36;优势比[OR] 0.70;P=.03)及亵渎(B=厚;或0.90;P= 0.02)显著。然而,与我们的预测相反,语言焦虑会增加不文明行为(H1),结果表明,焦虑分别降低了约30.48%和10.43%的身份攻击和亵渎的几率。结果还反映出焦虑和身份攻击之间的关系比亵渎更强。没有发现其他显著差异。

愤怒

与我们的假设(H2)一致,愤怒对无礼行为的所有5个维度的影响都是显著的P<措施)。结果显示,愤怒比身份攻击和威胁更能预测脏话、侮辱和严重中毒的发生几率。愤怒对威胁的影响(B= .19;或1.21;P<.001)和身份攻击(B= .46;或1.59;P<.001)表明,怒气每增加1单位,威胁的几率就增加约20.67%,身份攻击的几率增加约58.9%。愤怒对侮辱的影响(B=点;或2.03;P<.001)和严重毒性(B= .86;或2.37;P<.001)表明,愤怒的增加使受侮辱的几率增加约103.15%,使严重中毒的几率增加约137.29%。结果表明,愤怒使脏话的发生率增加最多(约227.49%;B= 1.19;或3.27;P<.001)与其他4个维度相比。

悲伤

H3预测,悲伤将与推特上表达的不文明程度呈正相关。我们的研究结果表明,悲伤对威胁的影响是显著的(B= .24点;或1.27;P= 0.04),表明悲伤每增加1个单位,威胁的几率就增加约26.86%。悲伤对其他方面的不文明行为没有显著影响。


主要研究结果

不文明被理解为一个多层面的结构,包括文献中提供的概念和操作定义的广度。本研究通过将不文明作为一个多层面的建构来解决不文明操作化的差异,并探讨了话语不文明的5个维度下的不同情感过程。研究结果显示,三种情绪——焦虑、愤怒和悲伤——与不文明的维度显著相关。关于焦虑和不文明行为之间的关系,我们发现焦虑与Twitter帖子中表达的身份攻击和脏话呈负相关。表现出较高愤怒程度的人更有可能参与所有5个方面的不文明行为,包括亵渎、侮辱、严重中毒、身份攻击和威胁。最后,我们的研究结果显示,悲伤与不文明行为呈正相关,尤其是威胁。

与之前工作的比较

焦虑程度高的人不太可能做出不文明的行为,比如针对特定身份的人发表仇恨的评论,或者在帖子中使用亵渎的语言。我们怀疑,个人的焦虑可能降低了对疫苗强制政策的不文明表达水平,因为对COVID-19及其健康后果感到焦虑的个人更有可能寻求遏制威胁(即COVID-19的传播)的方法,并对与限制COVID-19传播相关的政策表现出积极的态度和行为。也就是说,当遇到新的威胁刺激并诱发焦虑感时,人们可能会被激励去关注手头的问题[66].与这一想法一致,先前的研究表明,焦虑可以是“功能性恐惧”的一个指标,预测个人对与covid -19相关的措施和政策的积极态度和行为(如遵从性)[67].例如,一项现有的研究表明,与covid -19相关的焦虑和与健康相关的恐惧与更多的保护性健康行为和更高的疫苗接受度有关[6869].

值得注意的是,与焦虑或悲伤不同,愤怒可以预测不文明行为的所有方面,表明这种情绪是不文明行为的最强预测因子。

先前研究的证据表明,长期的风险和风险水平的不确定性可能引发社区内部的愤怒和冲突[70].大流行期间,人们的愤怒程度有所增加[71,而那些表达愤怒的人也表现出对COVID-19疫苗的怀疑[72].此外,事实表明,在疫苗接种和疫苗授权问题上的政治两极分化进一步激起了政治观点相冲突群体的公愤[5152].因此,愤怒和不文明行为之间的强烈关联可能是由于COVID-19的广泛传播造成的社会混乱和部分由媒体引发的政治冲突。

最后,随着悲伤程度的增加,个体更有可能表现出施加痛苦和伤害其他个人或群体的言语意图。这种对他人的攻击行为,特别是表现出伤害他人的意图,可以用抑郁症和受害者心理来解释。2019冠状病毒病大流行约2年多以来,世界各地的个人经历了长期的社会隔离和生活方式中断,导致他们抑郁[5657].此外,2019冠状病毒病传播对健康的直接影响已使许多人成为多重损失的受害者,例如失去经济安全、失去家庭成员、失去身心健康和一般安全[7374].然而,悲伤可能与将自己视为COVID-19的受害者密切相关,这可能导致他们对赞同疫苗授权的其他人发出威胁。此外,这种受害者心态[58]的比例可能也很高,因为他们被禁止参加那些接种疫苗的人可以参加的人际关系和活动。这一禁令可能导致他们感到被社会排斥,进而引发对外群体成员的威胁——这些成员是疫苗授权的支持者。

限制

尽管研究结果揭示了疫苗要求的不文明行为背后的心理过程,但这项研究并非没有局限性。LIWC计算工具不能测量人类编码人员提供的细微差别。尽管我们努力通过使用经过充分验证的措施将这一限制最小化[59,未来的工作可能会雇佣人类程序员来分析与不文明话语相关的特定主题。此外,我们关注的是分享到Twitter上的帖子,因此不能将我们关于不文明行为的发现推广到其他社交媒体平台。鉴于平台社区规范在预测不文明行为方面的作用,未来的工作应该调查不文明行为是如何在不同平台上表现出来的。同样地,Twitter用户比更广泛的美国人更富有、更年轻、更自由。75],而且样本仅限于说英语的推特用户,这使得我们的研究结果很难推广到整个美国人口。此外,我们承认,社交媒体发布的数据可能基于个人的地理区域(如城市和州)、发布时他们是当地居民还是该地区的游客,以及一天中完成的活动类型而存在偏见[7677].这些因素可能促成了我们的研究结果。最后,我们没有测量在数据收集过程的每个阶段包含了多少不同的用户。今后的工作应阐明少数活跃用户在多大程度上制造了不文明的疫苗授权内容。

结论

结果表明,我们对不文明的多维方法是一个有前途的替代方案,可以理解和干预不文明疫苗话语背后的心理过程。鉴于需要实时监测和自动响应网络上健康信息和错误信息的传播,社交媒体平台可以利用谷歌Perspective API,在检测到评论不文明时向用户提供即时的自动反馈[78].此外,Perspective API有17种语言版本——从阿拉伯语到韩语,使研究非英语帖子中的不文明卫生话语成为可能。未来的工作应探讨不文明健康话语中的跨文化差异。

疫苗犹豫仍然是对全球健康的威胁,这项工作表明,不同的情绪过程是对疫苗和疫苗相关政策的不同态度的基础。重要的是,卫生从业人员和政策制定者首先要承认与疫苗和疫苗授权有关的负面情绪,同时在卫生运动中强调COVID-19疫苗的安全性,这将有助于减少对疫苗的犹豫。公共卫生官员可以采取的一种方法是,举行COVID-19社区倾听会,以消除对疫苗的犹豫,同时确认对疫苗的离散的负面情绪,官员可以在那里直接听取社区对COVID-19的关注,包括疫苗接种(见图3概览)[79].在官员们更好地理解一个社区对疫苗接种犹豫不决的具体情绪过程之后,公共卫生运动可以针对这些担忧定制信息图3) [8081].

图3。基于潜在情绪促进疫苗接种的具体建议。
查看此图

利益冲突

没有宣布。

  1. 世卫组织冠状病毒(COVID-19)仪表盘。世界卫生组织。URL:https://covid19.who.int/[2022-08-21]访问
  2. Chang K. Fauci和其他美国高级卫生官员强调了疫苗接种的紧迫性和安全性。纽约时报,2021年4月25日。URL:https://www.nytimes.com/2021/04/25/health/fauci-vaccines-safety.html[2022-08-21]访问
  3. 看看有1200万美国雇员受到政府疫苗规定的影响。纽约时报,2021年12月18日。URL:https://www.nytimes.com/interactive/2021/12/18/us/vaccine-mandate-states.html[2022-08-21]访问
  4. Sabahelzain MM, Hartigan-Go K, Larson HJ。COVID-19疫苗信心的政治。Curr Opin Immunol 2021 Aug;71:92-96 [免费全文] [CrossRef] [Medline
  5. 人们在社交媒体上看到的科学。皮尤研究中心2018年3月21日。URL:https://www.pewresearch.org/science/2018/03/21/the-science-people-see-on-social-media/[2022-09-06]访问
  6. Buccoliero L, Bellio E, Crestini G, Arkoudas A.推特和政治:2016年美国总统选举的证据。市场营销传播杂志2018年8月16日;26(1):88-114 [免费全文] [CrossRef
  7. Benis A, Chatsubi A, Levner E, Ashkenazi S.关于COVID-19大流行期间流感、疫苗和疫苗接种的推特帖子的变化:基于人工智能的信息流行病学研究。JMIR信息流行病学2021年10月14日;1(1):e31983 [免费全文] [CrossRef] [Medline
  8. 德乔杜里M,莫里斯先生,怀特RW。在网上寻找和分享健康信息:比较搜索引擎和社交媒体。第32届ACM年会论文集:计算系统中的人为因素- CHI'14纽约,纽约,美国:ACM出版社;2014年4月26日发表于:CHI'14:计算系统中的人为因素SIGCHI会议论文集;2014年4月24日至5月1日;多伦多,1365-1376页。[CrossRef
  9. Featherstone JD, Bell RA, Ruiz JB。人们的卫生信息来源和政治意识形态与对疫苗阴谋论信仰的接受程度的关系。2019年5月21日;37(23):2993-2997。[CrossRef] [Medline
  10. Ruiz JB, Bell RA。COVID-19疫苗接种意愿的预测因素:一项全国调查的结果。2021年疫苗2月12日;39(7):1080-1086 [免费全文] [CrossRef] [Medline
  11. Ruiz J, Featherstone JD, Barnett GA。确定twitter上犹豫不决的社区及其地理位置:一种网络方法。2021年1月05日发表于:第54届夏威夷系统科学国际会议论文集;2021年1月5日;考艾岛,3964-3970。[CrossRef
  12. 史蒂文斯H,帕洛马雷斯NA。选民对地方政府目标的推断以及政党和对COVID-19错误信息的信仰之间的关系:对州公共卫生部门Twitter粉丝的横断面调查。JMIR信息流行病学2022 2月10日;2(1):e29246。[CrossRef
  13. 曹顺丰,陈浩,Tisseverasinghe T,杨宇,李丽,Butt ZA。社交媒体在COVID-19时期告诉我们的是:范围审查。《柳叶刀》数字健康2021年3月3日(3):e175-e194 [免费全文] [CrossRef] [Medline
  14. Muhamad JW, Merle P.身份和信息过载:在危机时期审查卫生信息的影响。在:O'Hair HD, O'Hair MJ,编辑。危机时刻的科学传播。霍博肯,新泽西州:威利;2021:110 - 127。
  15. Scoville C, McCumber A, Amironesei R, Jeon J.口罩拒绝反弹:在COVID-19大流行早期,口罩在美国公共领域的政治化。社会2022年4月25日;8:237802312210931。[CrossRef
  16. 西欧的民粹主义政治和疫苗犹豫:国家层面数据的分析。《欧洲公共卫生杂志》2019年6月01;29(3):512-516。[CrossRef] [Medline
  17. 疫苗命令重新引发了关于公民自由的激烈辩论。纽约时报,2021年12月10日。URL:https://www.nytimes.com/2021/12/10/world/europe/vaccine-mandates-civil-liberties.html[2022-09-06]访问
  18. Largent EA, Persad G, Sangenito S, Glickman A, Boyle C, Emanuel EJ。美国公众对COVID-19疫苗要求的态度。JAMA Netw Open 2020 Dec 01;3(12):e2033324 [免费全文] [CrossRef] [Medline
  19. 马苏洛·陈G, Muddiman A, Wilner T, Pariser E, Stroud NJ。我们不应该在网上摆脱不文明。Soc Media Soc 2019 7月16日;5(3):205630511986264。[CrossRef
  20. 新泽西州斯特劳德的穆迪曼·A评论区的新闻价值、认知偏见和党派不文明:不文明的评论。杂志2017年7月18日;67(4):586-609。[CrossRef
  21. 史蒂文斯H, Acic I,泰勒LD.网上对性侵犯的不文明反应:新闻报道的语言特征预示着话语的不文明。Cyberpsychol Behav Soc Netw 2021年12月24日(12):815-821。[CrossRef] [Medline
  22. Sun Q, Wojcieszak M, Davidson S.社交媒体上不文明行为的长期趋势:来自政治、非政治和混合reddit子版块11年的证据。前沿政治科学2021年11月2日;3:741605。[CrossRef
  23. Theocharis Y, Barberá P, Fazekas Z, Popa SA。推特上政治不文明的动态。SAGE Open 2020年5月13日;10(2):215824402091944。[CrossRef
  24. Wojcieszak M, Azrout R, Vreese D.挥舞红布:媒体对有争议问题的报道会引发两极分化。公共意见Q 2018年12月09;82(1):87-109。[CrossRef
  25. Dubey广告。2019冠状病毒病大流行期间网络种族主义的死灰复燃及其后果:推特中的情绪和情绪分析。2020年JMIR公共卫生监测10月15日;6(4):e19833 [免费全文] [CrossRef] [Medline
  26. 个人和公共层面的政治不文明。Int J comm2017年8月11日3182-3202。
  27. 在特朗普时代,什么算不文明?对政治不文明的归纳方法。2018年发表于:美国政治科学家学会政治传播学部2018年年会;2018年8月30日至9月2日;波士顿,MA。
  28. 麻烦R.推特“健康对话”。利百加Tromble。URL:https://www.rebekahtromble.net/political-communication[2022-08-21]访问
  29. 在线民主:文明、礼貌和在线政治讨论小组的民主潜力。新媒体与社会2016年6月30日;6(2):259-283。[CrossRef
  30. 苏比耶拉杰,贝瑞JM。从不文明到愤怒:博客、谈话电台和有线电视新闻中的政治言论。政治公报2011年2月09日;28(1):19-41。[CrossRef
  31. Coe K, Kenski K, Rains SA。在线和不文明?报纸网站评论中不文明行为的模式和决定因素。中华医学杂志2014年6月16日;64(4):658-679。[CrossRef
  32. 网络上的不文明:在一个网络实验中对不文明政治帖子的情感和行为反应。2015年1月14日;12(2):167-185。[CrossRef
  33. Stroud NJ, Scacco JM, Muddiman A, Curry AL.《改变新闻机构Facebook网站的审议规范》。J computer - mediat Comm 2014 10月16日;20(2):188-203。[CrossRef
  34. Kim JW, Guess A, Nyhan B, Reifler J.社交媒体的扭曲棱镜:自我选择和对不文明的暴露如何助长在线评论毒性。J commer2021年9月03日;71(6):922-946。[CrossRef
  35. 理清网上政治谈话中的不文明和不宽容的话语。摘自:文明危机。纽约,纽约州:劳特利奇;2019:142 - 157。
  36. Lwin MO, Sheldenkar A, Lu J, Schulz PJ, Shin W, Panchapakesan C,等。COVID-19大流行期间公众情绪的演变:印度、新加坡、韩国、英国和美国的案例比较JMIR信息流行病学2022年2月10日;2(1):e31473。[CrossRef
  37. Lwin MO, Lu J, Sheldenkar A, Schulz PJ, Shin W, Gupta R,等。推特上围绕COVID-19大流行的全球情绪:推特趋势分析。2020年JMIR公共卫生监测5月22日;6(2):e19447 [免费全文] [CrossRef] [Medline
  38. 周伟,Budenz A.考虑COVID-19疫苗传播中的情感因素:解决疫苗犹豫和培养疫苗信心。卫生公报2020年10月30日;35(14):1718-1722。[CrossRef] [Medline
  39. 卡尔维罗DP,罗斯BJ,加西亚RJB,斯梅德特TJ,鲁特奇克AM。政治意识形态预示着人们对COVID-19威胁的看法(以及对虚假新闻的敏感度)。社会心理个人科学2020年7月22日;11(8):1119-1128。[CrossRef
  40. 魏松格,Ndwandwe D, Ryan J, Jaca A, Batouré O, Anya BM,等。COVID-19时代的疫苗犹豫:过去的教训是否有助于预测未来?Hum Vaccin Immunother 2022 12月31日;18(1):1-3 [免费全文] [CrossRef] [Medline
  41. 布兰查德。将啮齿动物的动态防御模式转化给人类。Neurosci biobehavior Rev 2017 5月;76(Pt A):22-28。[CrossRef] [Medline
  42. 愤怒是一种与方法相关的影响:证据和暗示。2009年3月135(2):183-204。[CrossRef] [Medline
  43. Kessels LTE, Ruiter RAC, Wouters L, Jansma BM。对恐惧的防御性回避的神经科学证据很有吸引力。国际精神病学杂志2014 Apr;49(2):80-88 [免费全文] [CrossRef] [Medline
  44. 感觉愤怒:疫苗错误信息和反驳信息对负面情绪和接种态度的影响。卫生公报2020年9月01日;25(9):692-702。[CrossRef] [Medline
  45. 对不良反应的恐惧和COVID-19疫苗犹豫:治疗预期专家组的建议。JAMA健康论坛2021年4月16日;2(4):e210804。[CrossRef
  46. Barlett CP, Rinker A, Roth B. 2019冠状病毒病时代的网络欺凌行为:一般应变理论的应用。中华社会精神病学杂志2021年7月04;161(4):466-476。[CrossRef] [Medline
  47. 王强,罗旭,屠锐,肖婷,胡伟。疫情封锁期间的COVID-19信息过载与网络攻击:抑郁/焦虑的中介作用与儒家责任思维的调节作用。国际J环境Res公共卫生2022年1月29日;19(3):1540 [免费全文] [CrossRef] [Medline
  48. Brnovich M.为什么各州反对拜登的疫苗授权互联网。福克斯新闻,2022年1月24日。URL:https://www.foxnews.com/opinion/why-states-fighting-bidens-vaccine-mandates-arizona-ag-mark-brnovich[2022-08-21]访问
  49. 克鲁格曼·P.如何处理我们对流行病的愤怒。《纽约时报》,2022年2月08日。URL:https://www.nytimes.com/2022/02/07/opinion/covid-unvaccinated-anger.html[2022-08-21]访问
  50. Novaco RW光碟。愤怒。在:齐格勒-希尔V,沙克尔福德TK,编辑。《个性与个体差异百科全书》。Cham,瑞士:施普林格;2020年4月22日:166-171。
  51. Kerr J, Panagopoulos C, van der Linden S.美国应对COVID-19大流行的政治两极分化。Pers Individ Dif 2021 Sep;179:110892 [免费全文] [CrossRef] [Medline
  52. 彭尼库克G,兰德DG。假新闻的心理。2021年5月;25(5):388-402 [免费全文] [CrossRef] [Medline
  53. Savage J, Verhulst B, Copeland W, Althoff RR, Lichtenstein P, robertson - nay R.易怒与焦虑/抑郁症状纵向关系的遗传学研究。J Am Acad儿童青少年精神病学2015年5月;54(5):377-384 [免费全文] [CrossRef] [Medline
  54. 未接种疫苗的成本正在上升——人们愿意为此付出代价吗?美国医学院协会,2021年10月26日。URL:https://www.aamc.org/news-insights/cost-being-unvaccinated-rising-will-people-be-willing-pay-price[2022-08-21]访问
  55. Money L, Lin RGII, Breijo S.洛杉矶县计划要求室内酒吧,夜总会,啤酒厂,酒庄提供接种疫苗的证明。《洛杉矶时报》2021年9月15日。URL:https://www.latimes.com/california/story/2021-09-15/la-to-require-covid-19-vaccines-at-bars-nightclubs-breweries-wineries[2022-08-21]访问
  56. Bignardi G, Dalmaijer ES, Anwyl-Irvine AL, Smith TA, Siugzdaite R, Uh S,等。在COVID-19封锁期间,儿童抑郁症状纵向增加。Arch Dis Child 2020年12月9日791-797 [免费全文] [CrossRef] [Medline
  57. Palgi Y, Shrira A, Ring L, Bodner E, Avidor S, Bergman Y,等。孤独大流行:在COVID-19疫情期间,孤独和抑郁、焦虑的其他伴随症状及其共病。J影响Disord 2020年10月01;275:109-111 [免费全文] [CrossRef] [Medline
  58. 霍维茨RB。政治就是受害者,受害者就是政治。J Policy Hist 2018年6月21日;30(3):552-574。[CrossRef
  59. Pennebaker JW, Boyd RL, Jordan K, Blackburn K. LIWC2015的发展和心理测量特性。德克萨斯大学奥斯汀分校,2015年。URL:https://repositories.lib.utexas.edu/bitstream/handle/2152/31333/LIWC2015_LanguageManual.pdf[2022-08-21]访问
  60. 角度API。URL:https://developers.perspectiveapi.com/s/about-the-api-attributes-and-languages[2022-08-21]访问
  61. Stevens HR, Acic I, Rhea S.对LGBTQ+青年在COVID-19大流行期间心理健康的自然语言处理洞察:对LGBTeens微社区reddit子版块中引发焦虑的主题和情绪趋势的纵向内容分析。2021年8月17日;7(8):e29029 [免费全文] [CrossRef] [Medline
  62. Miazga J, Hachaj T.最流行情感词汇在不同数据集上的覆盖评价。2019年10月8日发表于:SSIP 2019: 2019第二届传感器、信号和图像处理国际会议论文集;2019年10月8-10日;捷克共和国布拉格,第86-90页。[CrossRef
  63. 认知系统的时代:IBM沃森及其工作原理的内部观察。红皮书》1994。URL:https://www.redbooks.ibm.com/redpapers/pdfs/redp4955.pdf[2022-09-06]访问
  64. Hopp T, Vargo CJ, Dixon L, Thain N.不文明行为的相关自我报告和跟踪数据测量:一个概念的证明。社会科学计算版2018年12月17日;38(5):584-599。[CrossRef
  65. Pascual-Ferrá P, Alperstein N, Barnett DJ。多平台方法监测在线COVID-19疫苗相关信息的负优势。灾难医疗公共卫生准备2021年5月03:1-24日[CrossRef] [Medline
  66. 马昆。情感智力与政治判断。伊利诺斯州芝加哥:芝加哥大学出版社;2000.
  67. Harper CA, Satchell LP, Fido D, Latzman RD:功能性恐惧预测COVID-19大流行期间的公共卫生依从性。2021年4月27日;19(5):1875-1888 [免费全文] [CrossRef] [Medline
  68. Stevens HR, Oh YJ, Taylor LD.对推特上引发恐惧的COVID-19健康新闻的脱敏:观察性研究。JMIR信息流行病学2021年7月16日;1(1):e26876 [免费全文] [CrossRef] [Medline
  69. Bendau A, Plag J, Petzold MB, Ströhle A. COVID-19疫苗犹豫和相关恐惧和焦虑。免疫药典2021 Aug;97:107724 [免费全文] [CrossRef] [Medline
  70. Smith LE, Duffy B, Moxham-Hall V, Strang L, wessley S, Rubin GJ。COVID-19大流行期间的愤怒和对抗:英国的一项全国性横断面调查。J R Soc Med 2021 Feb;114(2):77-90 [免费全文] [CrossRef] [Medline
  71. Shanahan L, Steinhoff A, Bechtiger L, Murray AL, Nivette A, Hepp U,等。COVID-19大流行期间青年人的情绪困扰:来自纵向队列研究的风险和恢复力证据精神医学2022年4月52日(5):824-833 [免费全文] [CrossRef] [Medline
  72. 2019冠状病毒病神经学家面临越来越多的敌意和应对策略。神经学今日2022 Feb 03;22(3):8-31。[CrossRef
  73. Wallace CL, Wladkowski SP, Gibson A, White P. COVID-19大流行期间的悲伤:对缓和医疗提供者的考虑。J疼痛症状管理2020年7月;60(1):e70-e76 [免费全文] [CrossRef] [Medline
  74. Jacobson NC, Lekkas D, Price G, Heinz MV, Song M, O'Malley AJ,等。扁平化心理健康曲线:COVID-19居家令与美国心理健康搜索行为的变化有关。JMIR Ment Health 2020年6月01;7(6):e19347 [免费全文] [CrossRef] [Medline
  75. 人们在社交媒体上看到的科学。皮尤研究中心2018年3月21日。URL:https://www.pewresearch.org/science/2018/03/21/the-science-people-see-on-social-media/[2022-09-06]访问
  76. 帕迪拉JJ,卡瓦克H,林奇CJ,戈尔RJ,迪亚洛SY。推特上旅游景点游览情绪的时空调查。PLoS One 2018年6月14日;13(6):e0198857 [免费全文] [CrossRef] [Medline
  77. Frank MR, Mitchell L, Dodds PS, Danforth CM。幸福与生活模式:基于地理位置的推文研究。Sci Rep 2013年9月12日;3:2625 [免费全文] [CrossRef] [Medline
  78. 麦基·T,鲍尔·C,艾森巴赫G.在数字密集型时代推进信息流行病学。JMIR信息流行病学2022 2月14日;2(1):e37115。[CrossRef
  79. Bhat A, brownning - mcnee LA, Ghauri K, Winckler S. COVID-19疫苗信心项目。美国制药学会(2003)2022年1月;62(1):288-295。e2 (免费全文] [CrossRef] [Medline
  80. 周寅,伯格道夫CE,盖辛斯基A,亨特CM。COVID-19疫苗接种*传播:应用行为和社会科学解决疫苗犹豫问题,增强疫苗信心。美国国立卫生研究院,2020年12月https://www.obssr.od.nih.gov/sites/obssr/files/inline-files/OBSSR_VaccineWhitePaper_FINAL_508.pdf[2021-08-21]访问
  81. 如何针对特定受众定制COVID-19疫苗信息。疾病控制和预防中心,2022年。URL:https://www.cdc.gov/vaccines/covid-19/hcp/tailoring-information.html[2022-08-21]访问


API:应用程序编程接口
H:假设
LIWC:语言探究与字数统计
或者:优势比


A Mavragani编辑;提交28.02.22;同行评议(R Gore, Li Y);对作者21.07.22的评论;修订版收到21.08.22;接受30.08.22;发表13.09.22

版权

©Hannah Stevens, Muhammad Ehab Rasul, Yoo Jung Oh。最初发表于JMIR信息流行病学(https://infodemiology.www.mybigtv.com), 13.09.2022。

这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,前提是必须正确引用在JMIR信息流行病学上首次发表的原始作品。必须包括完整的书目信息,https://infodemiology.www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。


Baidu
map