公众对社交媒体烟草预防运动的反应:内容分析

简介

概述

社交媒体上的原烟信息超过了反烟草信息，这引起了人们对其对青年等弱势群体影响的担忧[1-3.］．在网上接触烟草相关内容的青少年更有可能开始使用烟草，也不太可能支持烟草相关法规[4-6］．与烟草公司、有影响力的人、烟草爱好者和自动机器人(自动生成内容并与社交媒体上的合法人类账户互动的算法)相关的社交媒体账户在网上创建和传播原烟信息[7-10］．虽然Facebook、Twitter、Instagram和谷歌等网站禁止烟草营销，但社交媒体用户仍然可以通过新闻文章、论坛、烟草零售商的帖子以及同行关于烟草使用的品牌(付费)和有机(免费)帖子的形式查看原始烟草信息。

以证据为基础的烟草预防运动可以在大规模对抗原烟信息的影响和数量方面发挥关键作用。然而，来自原始烟草个人的负面评论对这些信息的负面公众反应可能会破坏这些努力。对在线健康传播运动的实时监测(例如，对点赞和分享等元数据或评论和帖子等定性数据的分析)虽然有限，但突出了公众对烟草预防信息的负面反应。最近的证据表明，公众反应和有组织的原烟草团体创造了大量有机的(无偿的)社交媒体信息，反对烟草宣传运动[11，12］．阿勒姆等[11他们发现，针对加州“仍在吹烟”运动的“不吹烟”运动质疑了健康声明，并对电子烟法规提出了异议。在另一个例子中，芝加哥的烟草政策运动使用了“人工草皮”策略进行反击，其中大量由机器人生成的反击信息传达了一种错误的共识，即公众不同意该政策[12］．尽管对社交媒体上健康信息的这种回应令人担忧，但这也表明社交媒体参与与弱势受众对话的机会被错过了。社交媒体具有很高的影响力，吸引了受众的参与和行动主义[13，14］．为了利用这些机会，关键是要利用更广泛的烟草预防信息样本来确定公众反应的性质，并制定战略来应对未来的负面评论。

理论框架

抗拒理论为解释公众对烟草预防信息的消极反应提供了一个有用的框架[15-19］．根据抗拒理论，当个人遇到他们认为会威胁到他们选择自由的信息时，他们会经历一种动机抗拒状态，并采取行动来恢复或维护他们失去的或受到威胁的自由[20.］．暴露于反烟草信息特征可能会威胁到个人感知的吸烟自由，从而产生心理抗拒，从而导致对此类信息的消极反应和抵抗。研究还表明，对自由的威胁会增强受威胁自由的吸引力(如吸烟)，从而导致更强烈的行使自由的意愿[21］．在这种情况下，烟草预防信息可能会威胁到多种自由行为，如吸烟自由和吸烟者自我认同，并可能增加实施不健康行为的可能性[20.］．

抵制烟草预防信息可能导致社交媒体上的辩论两极分化[22］．过去的证据表明，社交媒体上的两极分化的公众讨论以与健康话题相关的片面观点为特征。例如，Allem等[11的研究表明，推特用户强调了电子烟对戒烟的潜在好处，而不是潜在的风险。

基于社交媒体的健康传播

每个社交媒体平台都为健康传播活动提供了独特的功能。正如之前的研究所指出的，Facebook可以引发与活动追随者的互动，参与健康事实和健康神话，并有可能在敏感的健康相关主题(如艾滋病毒)的情况下创建一个封闭的小组交流[23］．Twitter提供健康信息的即时传播，当Twitter用户与他们的网络成员分享健康信息时，这些信息可能会与信息源失去联系，而这些网络成员也因此与他们自己的网络共享这些信息[24］．对Instagram上的活动进行评估的研究，尽管数量有限，但表明嵌入健康信息的帖子与较高的感知信息有效性有关。25］．

鉴于社交媒体活动对烟草教育和预防的重要性，以及用户产生的评论有可能破坏这些努力，了解此类评论的性质至关重要。为了满足这一需求，本研究对Twitter、Facebook和Instagram上的半自动化烟草预防运动的公众反应进行了内容分析，路透社等人在一篇技术论文中详细描述了这一活动[15］．我们从以下7个维度描述了这些评论的性质:(1)评论的语气，(2)贡献的性质，(3)与预防信息的一致性，(4)提及政府机构，(5)政策/法规，(6)促销/垃圾邮件，以及(7)评论的格式。我们假设，与预防信息的一致性与评论的语气和贡献的性质显著相关。

方法

活动概述

该活动于2017年4月19日至2017年7月12日在3个社交媒体平台(Twitter、Facebook和Instagram)上直播。活动信息由102个参数化信息模板(定义为符合每个社交媒体平台的限制和参数[如字符数]的信息)组成，这些信息来自两个政府资助的关于可燃烟草产品风险的健康教育活动。看到多媒体附件1获取本研究中使用的参数化消息模板的完整列表。我们将信息模板随机分配到226张独特的图片中，这些图片来自政府赞助的活动，如果是受版权保护的活动图片，则来自在线平台Stocksnap的代表性库存图片。

在研究期间，共发布了1275条竞选信息(Twitter: n=510;Facebook: n = 510;Instagram: n=255)，详见之前发布的技术实现论文[26］．每个竞选信息每个月最多发布一次，持续85天。我们使用了我们的研究团队之前开发的基于网络的工具(Trial Promoter)，在每个平台上传播随机选择的消息。

看到这条消息后，用户可以通过评论、分享、点赞和点击消息中的链接来参与该帖子，这将把他们带到一个在活动期间运营的教育网站。该网站提供了更多关于烟草制品风险的信息，这些信息是基于政府赞助的健康教育运动。路透社等人在相关技术实施文件中描述了这项活动的技术增强实施细节，以及每个平台的带有图像的信息示例。15］．

我们收集了在研究期间发布的所有活动信息的回复。大约35.68%(569/1595)的活动消息帖子收到了公众评论(不包括在研究期间被删除的评论或来自用户帐户的评论)。本文重点分析了对该运动的评论(n=1242)。这项研究的范围是观察性的，目的是描述公众对反吸烟运动的反应的性质。这样做的目的不是为了回应公众的评论，影响评论，或进一步吸引观众。

数据

对活动信息的评论是从3个社交媒体平台(Twitter、Facebook和Instagram)使用前面描述的自动化工具提取的[15］．研究团队通过登录每个社交媒体平台提供的评论审核界面和分析界面，手动和自动收集评论。将手动收集和自动收集进行比较，以确保捕获所有响应的完整概述。本研究使用的技术工具支持以下功能:(1)数据导入，(2)基于随机化技术的消息生成，(3)消息传播，(4)消息评论的导入和分析，(5)与消息性能相关的指标的收集和显示，以及(6)基于预定数据字典的报告。

内容编码

我们使用代码本定义编码类别来解决这个假设。两名独立的研究小组成员对原始帖子的评论进行了编码，分为7个编码类别:(1)评论的语气(积极、消极或中性)，(2)贡献的性质(有毒、健康或不清楚/不适用)，(3)与预防信息的一致性(同意、不同意，或寻求澄清或建议)，(4)提及政府机构(是或否)，(5)政策/法规(支持监管、反监管、中性监管，或不适用)，(6)促销/垃圾邮件(是或否)，(7)格式(仅限文本，仅限表情包/表情包/表情符号/表情符号，或两者都有)。有毒贡献被定义为“粗鲁、不尊重或不合理的评论，可能会让其他用户离开讨论”。27]，而健康的文章则被定义为使用无毒语言、不清楚或不适用分类，或使用模糊术语或表情符号/贴纸/表情符号，无法确定毒性的文章。

作为第一步，编码员编写了50条注释，并与首席研究员讨论了不同意见和结果，以完善最初的代码本。促销和类似垃圾邮件的评论被确定为紧急编码类别。

为了建立编码器间的可靠性，两名编码器独立编码了总样本的10% (N=127)。主题的总体一致性(94%一致，κ=0.90)是实质性的。编码一致的范围是可接受的，从92%到100% (k=0.85到1)。所有的分歧都由一名研究人员解决。

分析

卡方分析被用来测试同意与回应的信息和语气，以及评论的毒性之间的联系。

结果

最后的样本包括1242条评论(Twitter: n=1004;Facebook: n = 176;Instagram: n = 62)。评论主要是基于文本的(1137/1242,91.55%)和非促销或非垃圾邮件帖子(1222/1242,98.39%)。负面评论占比最高(531/1242,42.75%)，其次是中性评论(354/1242,28.50%)，正面评论(126/1242,10.14%)，其他/不清楚(231/1242,18.60%)。39.77%(494/1242)的评论不同意该健康信息，23.91%(297/1242)的评论同意或赞成该健康信息。大部分评论是健康评论(1048/1242,84.38%)，而约12.88%(160/1242)的评论被编码为有毒评论。此外，99.44%的帖子(1235/1242)没有提到政府机构，只有6条提到政府机构的评论是反监管的。详情请参阅表1有关详细结果，包括代码类别及其对应的定义。举例的评论是转述，以保护个人的身份在这项研究。

对信息的认同程度与回应的语气显著相关(χ2 =1000，df= 9;P= 0.01)。大多数采用积极语气的评论主要与健康信息一致(84.13%，106/126;例如,“阿门!我同意!”)，很少有人表示不同意(2.38%，3/128;例如，“我不确定我是否同意，但我愿意倾听”)或要求澄清(0.79%，1/128;“能不能解释一下那是如何工作的?”)。使用负面语气的评论主要不同意预防信息(69.11%，367/531;例如，“别骗我们了!”)，其次是要求澄清的(11.11%，59/531;例如，“你为什么让这些公司把所有的化学品都放在所有的东西里?”)或表示同意(6.78%，36/531;吸烟的确是一种肮脏的习惯。 The comments that used a neutral tone mostly expressed agreement (42.94%, 152/354; eg, “Yes, smoking kills,” followed by those that expressed disagreement (34.75%, 123/354; eg, “This gives me a better reason to smoke”) or sought clarifications (6.21%, 22/354; eg, “How would that happen?”).

对该信息的认同程度也与评论的毒性显著相关(χ2 =176.23，df= 6;P= 0.01)。大多数毒评与预防信息不一致(71.25%，114/160;例如,“胡说!你没有数据支持!.”)，而很少有人同意预防信息(2.50%，4/160;例如，“抽屎会要了你的命”)或寻求澄清(12.50%，20/160;“我他妈的在看什么?”)。在做出健康贡献的评论中，约三分之一的评论与信息不一致(36.26%，380/1048;例如，“空气污染导致的死亡人数比吸烟多”)，其次是同意这些信息的人(27.86%，292/1048;例如，“阿门，这就是我辞职的原因”)或寻求澄清(6.97%，73/1048;“有什么办法可以结束这种流行病吗?”)。

讨论

研究结果支持了我们的假设。在社交媒体上接触烟草预防健康信息，主要刺激的是健康而不是有毒的贡献。然而，负面和有毒的评论大多不同意这些健康信息。使用有毒语言在网上构成不文明，这也被证明加剧了社交媒体上的两极观点。28]，从而产生更多的不文明行为[29］．总体而言，在涉及科学数据或发现传播的社交媒体中，网络话语中的不文明行为占主导地位[30.］．这种不文明行为的普遍存在抵消了公共卫生教育和向公众宣传烟草使用的科学证明的健康风险的努力。

管理社交媒体上的不良评论是健康运动成功需要解决的一个关键问题。之前的研究还表明，社交媒体上的公共卫生运动可能会使公共卫生组织成为反击运动的目标，因为他们会发布大量质疑信息意图或科学基础的反运动帖子[11，12］．因此，将评论审核协议纳入社交媒体上的烟草预防活动至关重要。这可能包括自动审核工具，可以检测有毒评论，以支持快速响应和审核。26，31-34，教育公众如何使用对话技巧来维持在线讨论的效率，或者删除有害评论并暂停相关账户。

有必要解决社交媒体上两极分化的症状，如语言毒性或在未来的卫生运动中使用负面语气，以反驳或有效缓和这些讨论的形式。目前由社交媒体平台制定的社区标准试图通过定义在线话语的基准和政策来解决这一问题[35，36］．在这个健康运动实验中，我们屏蔽了26个用户(2.1%;Facebook 26条，Twitter 0条，Instagram 0条)，并删除了1242条评论中的2条(0.16%;Facebook上2个，Twitter上0个，Instagram上0个)使用有毒或特别冒犯性的语言(例如，“把那根棍子从你屁股里拿出来”，“婴儿不吸烟，但他们也可能患有癌症”，“停止用禁止吸烟的废话轰炸Facebook”)。未来的工作可能会考虑更大的来自被屏蔽用户的帖子样本，从语气、与活动信息的一致程度和贡献性质等方面考虑。为了保护网上言论自由，版主可以对使用有毒语言和负面语气的评论做出回应，使用反信息策略，让这些人参与进一步的对话。新出现的证据表明，互动审核的风格(审核员要求使用不文明或有毒语言的个人使用更文明的语言)在有效性上有所不同。37］．齐格尔等[37发现适度的社交风格(例如，适度包括补充非正式的评论或创建一个非正式的、愉快的讨论)与减少不文明行为有关。适度的监管风格(例如，监管涉及核实事实、抱怨评论、要求更多的文明行为或指出违规行为)与不文明行为的增加有关[37］．需要在节制风格和反言论语言策略的交叉点上做更多的工作，以解决日益增加的在线毒性。在线健康相关运动也可以受益于自动检测不文明行为，包括使用有害语言。最近利用人工智能来识别和解决特定行为的努力也可以在管理不文明话语的不良影响方面发挥关键作用[38］．未来的干预措施还可以针对有害语言开发自动警报，通知版主应该查看评论。

电抗理论提供了一个有用的框架，以背景化的发现。大多数负面或有毒的评论与预防信息不一致。毒性和消极语气，就其本身而言，似乎是对健康信息的抗拒症状。证据还表明，对说服信息的抗拒也会导致信息源退化，这被定义为对威胁源使用攻击或敌意[39］．因此，尽量减少听众对信息的抗拒是关键。做到这一点的策略包括避免使用公然威胁自由的语言(例如，告诉人们必须戒烟)[40]，强调观众的自由选择[40]，以避免对吸烟者身份的攻击[19]，并以增强功效的信息来补充产生恐惧的信息(例如，如果一条信息讨论吸烟与肺癌之间的联系，它还应该为用户提供具体的戒烟方法)[38］．此外，由于有毒的在线评论可能会使其他用户对健康信息或消息来源产生偏见，活动可以采取措施防止这种情况发生。接种理论为实现这一目标提供了一条途径。这种方法包括让观众对可能的反诉或相反的信息“接种”，(例如，警告观众“有些人认为疫苗会导致自闭症，但科学已经证明这不是真的”)。让听众意识到对信息的潜在反击可以帮助他们更好地抵抗所述反击，并有可能解决抵抗和改善健康结果[41］．未来的研究可以调查观众反应和预防烟草运动接种策略之间的关系。开发方法来评估对社交媒体平台上健康信息曝光的反应，并检查在线参与健康信息的性质，也为未来的工作提供了有价值的方向。

我们的发现应该从几个局限的角度来看待。首先，结果涉及公众对预防吸烟的特定健康相关背景的反应。未来的研究可能会使用本研究中使用的自动化工具来检查其他健康环境中的反应。我们的数据也仅限于三个社交媒体平台(Twitter、Instagram和Facebook)，可能无法推广到其他平台，如Reddit、YouTube或SnapChat。在活动期间，封锁与有毒评论有关的用户可能会对后续评论的贡献和语气产生偏见。未来的研究可能会考虑检查有毒评论对在线健康运动后续讨论的影响。在这项研究中，研究团队的两名成员承担了内容节制决策。我们无法衡量不同的调节策略的有效性，例如阻止和隐藏有毒评论。从分析样本中排除屏蔽的评论，可能主要是有毒的，可能影响了我们最终样本中有毒评论的比例。版主也没有回应任何公开评论，这可能影响了对话的轨迹和质量，也可能没有。 Another limitation of this study pertained to treating each comment, including replies to other users’ comments (73/1242, 5.9% of the analytic sample), as an independent unit of observation. While the sample of replies to other users’ comments was small, it may have influenced the proportion of coding categories to some extent. We were unable to test associations between some of the categories (eg, ”mentions of government agency” and ”agreement;” “mentions of government agency” and “toxicity”) due to low sample sizes. We were also unable to characterize blocked user comments in terms of their agreement with the campaign message, tone, and nature of contribution due to low sample sizes.

我们的研究提供了关于公众对烟草预防信息反应性质的见解。虽然揭示了有关毒性的趋势，并在表达对预防信息的不同意见时使用负面语气，但我们的研究结果也鼓励使用社交媒体来促进有关吸烟等有争议的健康话题的对话。未来的卫生干预措施应开发方法，包括技术增强的技术，以管理有毒用户评论，并教育社交媒体用户，让他们了解关于公共卫生问题的整体话语中有毒和负面语气的有害影响。