这是一篇基于知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首先发表在JMIR infoepidemiology上,并适当引用。必须包括完整的书目信息,到https://infodemiology.www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。
尽管有疫苗可用,但对疫苗的犹豫阻碍了公共卫生官员缓解美国COVID-19大流行的努力。尽管一些美国民选官员通过发布疫苗授权作出回应,但其他人通过广播最小化疫苗效力的信息,放大了对疫苗的犹豫。社交媒体上新冠肺炎信息的政治两极化导致了不文明行为,人们对健康的态度往往更多地取决于政治意识形态,而不是科学。
据我们所知,在关于COVID-19疫苗和任务的讨论中,还没有研究过不文明行为。具体来说,很少关注引起不文明疫苗话语和行为的心理过程。因此,我们研究了三种心理过程,即焦虑、愤怒和悲伤。
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)来分析2021年9月14日至2021年10月1日期间包含与COVID-19疫苗授权相关术语的8014条推文数据集。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条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。我们依靠语言调查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,我们使用了谷歌视角API。
本研究通过将不礼貌作为一个多面结构来引入,解决了不礼貌的不同操作方式,并探讨了话语不礼貌的五个维度下不同的情感过程。研究结果显示,焦虑、愤怒和悲伤这三种类型的情绪与不文明行为的维度(例如,毒性、严重毒性、侮辱、亵渎、威胁和身份攻击)有着独特的联系。具体来说,结果表明,愤怒与不文明的所有方面都显着正相关
结果表明,我们对不文明行为的多维方法是理解和干预不文明疫苗话语背后的心理过程的有希望的替代方法。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能够制定有效的干预措施,对抗不文明的疫苗话语。鉴于需要实时监控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为用户提供即时、自动的反馈。
截至2022年2月,新型冠状病毒(COVID-19)的出现已在全球造成5887328例确诊死亡,423437674例确诊感染[
68%的美国成年人称社交媒体是他们的新闻来源[
社交媒体平台上的不文明行为在政治和健康背景下得到了广泛的研究和讨论,其中包括[
不文明行为已经成为社交媒体研究中的一个突出讨论点。然而,各个领域的学者都发现很难将不礼貌概念化。不文明的定义多种多样,包括不礼貌、亵渎和具体的歧视性行为(例如,美国前总统特朗普在2016年被拍到赞扬与女性发生未经同意的性接触)[
无礼的原因不止一个;相反,不同形式的不文明行为是不同心理过程的结果。例如,用户可能因为焦虑而发布亵渎的内容,而用户可能因为愤怒而发表侮辱性的评论。然而,学者们经常通过将不文明概念化为具有单一解释的一维过程来模糊这些不同的潜在心理机制[
对COVID-19疫苗安全性的担忧,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[
COVID-19疫苗授权引起了美国部分人的愤怒,包括政治精英和媒体机构,他们激起了公众对疫苗授权对个人自由构成威胁的愤怒[
悲伤的感觉与不文明的行为有关,包括网络攻击行为。
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,包括有关疫苗接种和疫苗的(错误)信息[
Twitter的无代码应用程序编程接口(API)推文下载工具(版本2)用于提取有关COVID-19疫苗授权的帖子。我们感兴趣的是能够识别有关COVID-19疫苗授权的推文的单词,而不是一般的COVID-19疫苗。因此,我们筛选了2020年9月14日至2021年10月1日期间发布的375,000条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(例如,“强迫”、“要求”和“强制”)具体相关的推文;最后的样本包含8014条tweet。
数据收集过程流程图。
使用两种不同的自然语言处理方法对数据进行分析:(1)语言查询和单词计数(LIWC)计算工具[
LIWC是一种自然语言处理工具,它通过计算给定tweet中属于预先指定类别的单词的百分比来测量文本中的心理过程。在COVID-19大流行期间,它已被验证并用于心理健康调查(例如,LGBTQ+青年心理健康)[
为了衡量帖子不文明的维度,我们使用谷歌视角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
谷歌Perspective API模型是由人类编码人员在来自各种基于web的来源(包括论坛(例如Wikipedia))的数百万条评论的数据集上进行训练的。该模型非常强大,已被用于各种背景,从政治不文明到强奸文化,再到COVID-19疫苗信息[
不文明可变属性。
属性名称 | API的角度来看一个描述( |
示例文章b |
严重的毒性 | “一个非常可恶、咄咄逼人、不尊重的评论,否则很可能会让用户离开讨论或放弃分享他们的观点。” | “去他妈的疫苗和该死的COVID,不应该被要求这么做!!” |
身份攻击 | “因为某人的身份而针对他们的负面或仇恨言论。” | “不要答应。去他的自由主义者和他们愚蠢的疫苗授权。” |
侮辱 | 对一个人或一群人侮辱性的、煽动性的或负面的评论。 | “银行账户因抗议授权而被冻结。你还要打多少疫苗才能变聪明?醒醒吧,你这只愚蠢的小绵羊。” |
不敬的言语 | “脏话、骂人的话或其他淫秽或亵渎的语言。” | “成为疫苗强制令的受害者一定很难。互联网上的王八蛋满口胡言,想抹掉你的体验。” |
威胁 | 描述对个人或群体施加痛苦、伤害或暴力的意图。 | “如果有人想强迫我的孩子接种疫苗,我就一枪崩了他。” |
一个API:应用程序编程接口。
b为了使表格适合出版,脏话已经被删减了。
本研究不包含个人身份信息。机构审查委员会认识到,对公开可用数据的分析不构成人体受试者研究。本研究仅使用了公共领域的信息;因此,不需要伦理审查和批准。
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的维度一起或单独建模。受试者内因素的主要影响是显著的(
Tukey比较被用来检验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,每个组合之间存在显著差异(见
受试者内变量的均值表(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) |
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 |
|
|
严重毒性-同一性攻击 | -0.02 | 0.001 | -15.11 (8013) | <措施 |
严重毒性-损伤 | -0.08 | 0.001 | -66.07 (8013) | <措施 |
严重毒性-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) | 点 |
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 |
数据的倾斜分布要求我们对不文明行为的维度进行二分类进行回归。谷歌透视图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[
为了进行假设检验,我们进行了5次逻辑回归分析,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(见
二元逻辑回归结果与焦虑,愤怒,和悲伤预测维度的不礼貌。采用McFadden R2计算模型拟合。
变量 | 优势比(95% CI) |
|
|
|
|
|||
|
. 01 | 18.78 | ||||||
|
(拦截) |
|
-4.04 | <措施 |
|
|
||
|
焦虑 | 0.88 (0.78 - -1.01) | 点 | 06 |
|
|
||
|
悲伤 | 1.27 (1.02 - -1.58) | 。 | .04点 |
|
|
||
|
愤怒 | 1.21 (1.10 - -1.33) | .19 | <措施 |
|
|
||
|
.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 |
|
|
||
|
口径。 | 567.15 | ||||||
|
(拦截) |
|
-3.58 | <措施 |
|
|
||
|
焦虑 | 0.90 (0.81 - -0.98) | 厚 | 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 |
|
|
||
|
。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) | 点 | <措施 |
|
|
||
|
。 | 239.27 | ||||||
|
(拦截) |
|
。45 | <措施 |
|
|
||
|
焦虑 | 0.89 (0.75 - -1.06) | 厚 | .20 |
|
|
||
|
悲伤 | 1.01 (0.65 - -1.57) | . 01 | .96点 |
|
|
||
|
愤怒 | 2.37 (2.12 - -2.66) | .86 | <措施 |
|
|
负面情绪预测严重毒性、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调查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tweet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。
我们发现焦虑对身份攻击的影响(
与我们的假设(H2)一致,愤怒对不文明行为的所有5个维度的影响都是显著的(所有)
H3预测,悲伤与推文中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(
不文明被理解为一个多方面的结构,涵盖了文献中提供的概念和操作定义的广度。本研究通过将不礼貌作为一个多面结构来引入,解决了不礼貌的不同操作方式,并探讨了话语不礼貌的五个维度下不同的情感过程。研究结果显示,焦虑、愤怒和悲伤这三种情绪与不文明行为的维度显著相关。关于焦虑与不文明行为的关系,我们发现焦虑与Twitter帖子中表达的身份攻击和亵渎行为呈负相关。愤怒程度越高的人更有可能参与所有五个维度的不文明行为,包括亵渎、侮辱、严重毒性、身份攻击和威胁。最后,我们的研究结果表明,悲伤与不文明行为呈正相关,尤其是威胁。
焦虑程度较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言论,或者在帖子中使用亵渎语言。我们怀疑,个人的焦虑可能降低了对疫苗授权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,并对限制COVID-19传播的相关政策表现出积极的态度和行为。也就是说,当遇到新的威胁性刺激并产生焦虑感时,人们可能会被激励去关注手头的问题[
值得注意的是,与焦虑或悲伤不同,愤怒预测了不文明的所有方面,表明这种情绪是不文明的最强预测因子。
先前研究的证据表明,长期的风险和对风险水平的不确定性会引发社区内的愤怒和冲突[
最后,随着悲伤程度的增加,个人更有可能表现出施加痛苦和伤害其他个人或群体的口头意图。这种对他人的攻击,尤其是表现出伤害他人的意图,可以用抑郁和受害者心理来解释。在COVID-19大流行的大约两年多时间里,世界各地的个人经历了长期的社会隔离和生活方式中断,这导致他们抑郁[
尽管研究结果揭示了疫苗接种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计算工具不测量人类编码人员提供的细微差别。尽管我们通过使用有效的测量方法尽量减少这种限制[
结果表明,我们对不文明行为的多维方法是理解和干预不文明疫苗话语背后的心理过程的有希望的替代方法。鉴于需要实时监控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为用户提供即时、自动的反馈[
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。卫生从业人员和政策制定者必须首先承认与疫苗和疫苗授权相关的负面情绪,同时在卫生运动中强调COVID-19疫苗的安全性,这将有助于减少疫苗犹豫。公共卫生官员可以采取的一种途径是,在确认对疫苗的个别负面情绪的同时,举行COVID-19社区倾听会议,官员可以直接听取社区对COVID-19的担忧,包括疫苗接种(见
基于潜在情绪促进疫苗接种的具体建议。
应用程序编程接口
假设
语言探究与字数统计
优势比
没有宣布。