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,前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。
SARS-CoV-2(严重急性呼吸道冠状病毒2)在中国首次暴发后,于2020年2月底在韩国迅速传播,使韩国成为全球新的关注中心。在当前的冠状病毒病(COVID-19)大流行中,社交媒体的作用经常受到批评,但很少有人对这一问题进行系统研究。在大流行情况下,社交媒体是一个方便的信息来源。
很少有信息流行病学研究将网络分析与内容分析相结合。本研究调查了韩国Twitter上关于新冠肺炎的信息传播网络和新闻分享行为。社交媒体数据的实时聚合可以作为起点,在疫情期间为卫生运动设计战略信息并建立有效的沟通系统。
韩国与新冠肺炎相关的推特数据是在2020年2月29日收集的。我们最后的样本包含了43,832个Twitter用户和78,233个Twitter关系。我们根据韩国新冠疫情的核心问题,建立了4个网络。”本研究通过网络分析,比较调查了新冠肺炎相关问题在推特上的传播情况。接下来,我们对通过推特分享的热门新闻频道进行了分类。最后,我们对顶级共享源中使用的新闻框架进行了内容分析。
网络分析结果显示,“冠状病毒”网络的信息传播速度比其他网络(冠状病毒19、新川、大邱)更快。使用“冠状病毒”这个词的人彼此交流更频繁。信息的传播速度更快,直径值比使用其他术语的人低。许多新闻都强调了个人和团体正在发挥的积极作用,将读者的注意力引向这场危机。伦理问题也经常出现,如人群中的越轨行为和突出名人捐赠的娱乐框架。四种网络类型对非门户网站(n=14)和门户网站(n=26)的使用存在显著差异。排名靠前的新闻来源所使用的新闻帧在各个网络中是相似的(
Twitter上的大多数流行新闻都没有医学框架。然而,关于COVID-19的医学信息的新闻文章的溢出效应比非医学框架的新闻更大。社交媒体网络分析不能取代公共卫生官员的工作;然而,监测迅速传播的公众对话和媒体新闻可以帮助公共卫生专业人员进行复杂和快节奏的决策过程。
SARS-CoV-2(严重急性呼吸道冠状病毒2)正在世界各地迅速传播,相关死亡人数也在增加。2020年2月底,新冠病毒在中国首次暴发后,又在韩国蔓延,韩国成为全球新的关注中心。在韩国发生大规模感染的原因是一个封闭的宗教团体
在当前的冠状病毒病(COVID-19)大流行期间,社交媒体经常受到批评,主要是因为它们被用作假新闻的快速传播媒介[
本研究使用信息流行病学的方法,分析了Twitter上关于COVID-19的公共对话和新闻分享行为的网络趋势,特别是在韩国大邱。皮尤研究中心报告说,大约75%的推特用户访问推特网站是为了阅读新闻。
在此背景下,研究的Twitterverse包括不同主题的消息,如全国紧急救援努力、媒体新闻、群众哀悼、要求中央和地区政府采取措施,以及提供关键的医疗信息。这四个网络具有相似的网络规模,这使得它们的对话模式和新闻传播很容易进行比较。
克服当前的COVID-19危机可能需要越来越多样化的数据形式和更复杂的模型。处理社交媒体、媒体新闻、学术出版物和其他数据集的实时聚合和基于人工智能的分析是一项艰巨的任务。尽管如此,这项研究可以作为一个起点,为卫生运动设计战略信息和建立一个有效的沟通渠道系统。
信息流行病学是一个不断发展的研究领域,其目的是利用信息学对在线产生和消费的卫生数据进行分析,为公共卫生官员提供信息并制定公共政策[
信息流行病学的研究涵盖了广泛的主题。这包括信息搜索行为,如埃博拉病毒或与疫苗接种有关的信息[
用户自创信息的可信度值得怀疑[
特别是,社交媒体上用户生成的内容和共享的健康信息可以作为综合征监测的替代工具[
通过调查在社交媒体上观察到的公众对健康问题的沟通框架和处理方法,可以深入了解公众对疾病相关症状的想法、感知和自我披露[
研究的重点是利用谷歌趋势、谷歌健康应用程序编程接口或谷歌流感趋势对搜索查询进行量化,并跟踪电子媒体中与健康相关的信息或用户生成的内容的数量[
我们从社交传播的推特信息的角度探讨了关于韩国COVID-19对话的三个研究问题(RQs)。首先,由“冠状病毒”、“冠状病毒19”、“新天记”、“大古”四个关键词(韩文)生成的四个网络,其传播网络结构是否存在差异?用户之间的对话模式有哪些特点?第二,哪些新闻话题和媒体渠道引起了用户的兴趣,它们的特点是什么?四家网络中被提及最多的新闻话题在媒体类型上是否存在差异?第三,从媒体组织的角度观察新闻文章的什么视角?换句话说,以医学为主题框架的新闻文章是否在推特上下文中对COVID-19问题有更广泛的溢出效应?
这项研究利用推特数据评估了韩国COVID-19对话的趋势。数据收集于2020年2月29日,大致涵盖了推特数据库最近几周的数据。使用NodeXL(社会媒体研究基金会)内嵌的Twitter搜索API [
本研究使用了三种主要的方法论方法。它进行了一项社交媒体网络分析,以确定与covid -19相关的问题如何在推特上传播。该研究通过生成包含任何搜索词(“冠状病毒”、“冠状病毒19”、“新天志”、“大邱”)的所有推文组成的传播网络,追踪了关于COVID-19的推特信息扩散特征。本研究中的交际网络是指用户为相互交流而产生的社交网络。每个节点代表一个用户,用户之间的链接指向一个对话(即转发、回复或提及)。生成了四个网络。通过网络分析,识别Twitter用户之间的多维度交流活动,掌握由单词、超链接、标签等实体组成的信息传播网络的本质。使用Clauset-Newman-Moore聚类算法按子群编译Twitter用户,并使用harrel - koren快速多尺度布局算法可视化[
然后,我们根据媒体渠道对排名靠前的新闻项目进行分类。新闻文章的媒体出口既是一种载体接口形式,也是一种表达手段。在韩国,门户网站正逐渐成为新闻的主要获取点。鉴于韩国独特的新闻环境,媒体机构在门户网站上的存在为其新闻生产和读者之间提供了一个界面[
除了新闻频道,我们还认为新闻框架是引导读者认知方向的观点。进行内容分析,通过生成包含整个文本语料库的内容类别,确定新闻报道中的主要框架[
基于对记者使用新闻框架的研究,开发了一种编码方案来进一步细分非医疗新闻框架[
反映党派、个人或团体之间的分歧
强调影响问题的个人和团体的(积极)作用
暗示一些政府机构,包括政治家和公共官员,要对这个问题负责
包含道德和伦理信息
提到与该问题有关的医疗和健康问题
涵盖名人、体育或食物等文化话题
我们通过比较四个网络的拓扑结构来解决RQ1问题,如图所示
作为
冠状病毒网络中唯一边缘的频率最低。唯一边反映频率,不包括冗余关系。换句话说,冠状病毒网络拥有最多的冗余关系,这表明人们在多次交换评论的同时继续彼此交谈。因此,冠状病毒网络中很有可能存在一个“大嘴”。另一方面,大邱和Corona19网络的边缘重复频率最低。这些较少重叠的关系表明,许多一次性的对话发生了,形成了一个即时和临时的社区。
在“新天地网”中,推文的开始和结束都是同一个用户的自循环现象非常多。新天地网的往复顶点对和往复边比最高,体现了“物以类聚”的特点。当两个推特用户互相交谈时,他们的关系被认为是相互交流的。与此形成鲜明对比的是,在冠状病毒网络中,只有不到十分之一的推文是自循环的,这表明不同类型的用户在评论交流中是配对的。同样,新天地网络的隔离人数最多,其次是大邱网络。一个隔离体没有连接。这一结果表明,以地区为导向的新天地和大邱的传播模式与关注整体疫情的网络不同。这种差异可以归因于推特上信息分享行为的地域差异。
韩国新冠病毒疫情网络。冠状病毒(左上)、冠状病毒19(右上)、新天池(左下)、大邱(右下)。
比较不同冠状病毒疾病网络的用户关系。
网络的措施 | 冠状病毒 | Corona19 | Shincheonji | 大邱 |
节点n | 12803年 | 11739年 | 9589 | 9701 |
分离株,n (%) | 368 (2.87) | 324 (2.76) | 471 (4.91) | 434 (4.47) |
总边,n | 18407年 | 19772年 | 20327年 | 19727年 |
唯一边,n (%) | 14486 (78.70) | 17042 (86.19) | 16879 (83.04) | 17017 (86.26) |
有重复的边,n (%) | 3921 (21.30) | 2730 (13.81) | 3448 (16.96) | 2710 (13.74) |
自循环,n (%) | 1450 (7.88) | 2318 (11.72) | 2754 (13.55) | 1901 (9.64) |
往复顶点对比 | 0.00020 | 0.00042 | 0.00353 | 0.00334 |
往复式边缘比 | 0.00040 | 0.00084 | 0.00704 | 0.00666 |
其次,冠状病毒网络的模块化值最高,而大邱网络的模块化值最低。这一结果表明,在冠状病毒网络中创建的集群可能就子组的内部集体而言凝聚力较弱,因为A组中的Twitter用户往往与b组中的其他用户相连接。如果模块化较低,则从生成的子组的质量而言,集群是定义良好的。由于大邱和新天志网络的模块化程度都比其他网络低,因此被分类在同一集群中的用户很少离开自己的组与其他集群中的用户交谈。
分量分析表明,新天地和大邱的网络成员具有最多的连通分量和最大的连通分量边。冠状病毒的网络成员拥有最大的聊天室,连接组件的最大顶点(即用户)值最高,其次是冠状病毒的用户。
比较推特上的冠状病毒疾病网络属性。
类型 | 冠状病毒 | Corona19 | Shincheonji | 大邱 |
最大测地线距离(直径) | 12 | 16 | 14 | 14 |
平均测地线距离 | 3.865 | 5.459 | 4.432 | 4.471 |
模块化 | 0.674 | 0.667 | 0.563 | 0.530 |
连接组件,n | 584 | 582 | 799 | 828 |
连接组件中的最大顶点,n | 10783年 | 10135年 | 8270 | 8098 |
连接分量的最大边n | 16121年 | 17916年 | 18947年 | 18123年 |
RQ2关注新闻话题和媒体渠道的普及程度。我们抽取了四家电视台中被引用次数最多的新闻。有5条新闻两次出现在四个推特网络的前10名中。最流行的消息是怀疑
在推特上与新天地相关的10大新闻中,标题中都出现了“新天地”一词。例如,当时最受关注的新闻是,新天地领袖李万熙因对国家的贡献受到了前总统朴槿惠的表彰,将被安葬在国立显忠院。因此,推特上分享的热门新闻故事以引人注目的标题、戏剧性表达的使用和情感叙事为特色。
值得注意的是,国际新闻而不是国内新闻被选为头条新闻。
最后,我们调查了四家网络中被引用次数最多的新闻频道。韩国的门户网站
该研究计算了4(冠状病毒vs冠状病毒vs大邱vs新天志)x2(门户网站vs非门户网站)卡方,比较了门户网站与非门户网站在不同网络类型之间的使用频率。差异有统计学意义(χ23.= 12.747,
我们还确定了门户中报道的新闻项目的来源。这四个
本研究通过分析在推特中传播的媒体组织的新闻框架来解决RQ3问题。内容分析结果显示,17.5% (n=7/40)的文章提到了医疗或健康问题。医疗新闻内容包括新冠病毒的特征讨论、胡须感染可能性的警告、健康状况对死亡率的影响、意大利新冠病毒检测现状、新天会会员和普通市民的感染率差异等。
独立双尾的结果
这项研究将最受欢迎的新闻文章从1到10进行排名。然后计算反向得分来衡量文章的溢出效应。例如,排名靠前的新闻项目得10分,排名靠后的新闻项目得1分。
最后,研究了四种网络产生的推文所包含的新闻框架,并比较了网络类型与框架之间的关联。研究结果表明,“责任归因”框架是使用最多的,其次是“人的兴趣”。“道德”和“娱乐”都被提到了6次。“冲突”是使用最少的框架。本研究进行了4(网络类型)x 6(新闻帧)卡方分析,以检验网络类型和推文中使用的新闻帧之间的关联。如
冠状病毒疾病网络新闻框架的卡方结果。
网络类型 | 合计(N=40), N (%) | 冲突(n=4), n (%) | 娱乐(n=6), n (%) | 人类兴趣(n=7), n (%) | 医疗(n=7), n (%) | 道德(n=6), n (%) | 责任归属(n=11), n (%) | 卡方检验( |
||
|
N/A一个 | N/A | N/A | N/A | N/A | N/A | N/A |
|
8.727 (15) | |
|
Corona19 | 10 (25) | 1 (10)b | 2 (20) | 2 (20) | 3 (30) | 1 (10) | 1 (10) |
|
N/A |
|
冠状病毒 | 10 (25) | 0 (0) | 1 (10) | 2 (20) | 2 (20) | 2 (20) | 3 (30) |
|
N/A |
|
大邱 | 10 (25) | 0 (0) | 2 (20) | 2 (20) | 1 (10) | 1 (10) | 4 (40) |
|
N/A |
|
Shincheonji | 10 (25) | 2 (20) | 1 (10) | 1 (10) | 1 (10) | 2 (20) | 3 (30) |
|
N/A |
一个不适用。
b在计算每一行的n(%)值时,将行总数作为n值。
截至2020年3月1日,韩国已成为世界上新冠病毒感染最严重的国家之一。大大邱地区的每户新冠肺炎感染率和绝对感染率均为全国最高[
我们的主要研究平台是Twitter,但分析也考虑了Twitter以外的媒介新闻。人们通过各种新闻渠道分享信息,甚至通过社交媒体交流。这项研究发现,门户网站是Twitter上首选的新闻来源。如Endo的[
虽然该研究通过社交网络分析,探讨了与新冠肺炎大流行相关的信息在韩国通过Twitter扩散的情况,提出并展示了有用的信息流行病学框架,但也并非没有局限性。这些限制是Twitter用户群体固有的。文献表明,只有15%的在线成年人是Twitter的固定用户。
经历传染病流行等社会灾难的人们对自己的处境不熟悉,很难预测接下来会发生什么。因此,提供准确和适当信息的风险沟通非常重要。我们发现,韩国twitter上的大多数热门新闻都没有医学框架。然而,必须指出的是,传递关于COVID-19的医学信息的新闻文章的溢出效应比非医学框架的新闻更大。例如,许多新闻报道称,政府机构最初的应对措施导致了COVID-19的传播。许多新闻报道强调个人和群体的积极作用,引导读者关注疫情危机。伦理问题也经常出现,如人群中的越轨行为和突出名人捐赠的娱乐框架。反映个人或群体之间立场或意见差异的文章相对较少。
医疗部门的增强智能系统被广泛引用为帮助检测和临床诊断疾病的重要方法[
应用程序编程接口
冠状病毒病
外交政策
研究问题
严重急性呼吸道冠状病毒
社交网络服务
HWP感谢马克·史密斯博士和社会媒体基金会通过NodeXL提供了有价值的推特数据集。SP感谢约翰·卡罗尔大学的财政支持。
没有宣布。