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 Shincheonji大大邱是韩国第四大城市[ 1， 2］．

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[ 3.， 4]，但尚未对这一问题进行系统的研究。在危险情况下，社交媒体是获取信息的便利来源[ 5］．自从Facebook、Twitter和YouTube等社交网络服务(SNS)诞生以来，灾难背景下的信息传播速度加快了，跨越了社会、文化和地理边界。通过各种SNS进行实时信息交流，不仅可以在“朋友”之间，还可以在更广泛的社区中传播风险信息。

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。 6］．Twitter允许最多280个字符，用户通过“推特”和“转发”分享思想和情感，这在Twitter上创建了对话和网络关系。推特用户之间的互动模式可能会根据他们的兴趣和对COVID-19的参与程度而有所不同。该研究调查了推特上与大大邱城市群密切相关的对话，这些对话与在该地区传播病毒的新天地组织成员有很大关系。被选为“冠状病毒”、“冠状病毒19”、“大邱”、“新天志”等4个推特网络，代表大大邱地区的新冠疫情。之所以没有使用冠状病毒病(COVID-19)，而是使用了关键词“Corona19”，是因为韩国公布的正式名称是“Corona19”。

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[ 7］．信息流行病学的优势在于，它能够从非结构化、文本、图像或用户生成的通过网站、博客和社交网站等电子媒体传播的信息中获取实时健康相关数据[ 8］．

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[ 9， 10]、健康相关新闻报道[ 11]、名人去世后的公共卫生问题和对疾病的认识[ 10，卫生信息获取和可得性方面的差异[ 12]、公众讨论及资讯分享[ 13]，以及政府风险沟通策略[ 14］．

用户自创信息的可信度值得怀疑[ 15］．然而，最近的研究表明，可公开获得的社交媒体数据，如Twitter和Facebook上的数据，可以补充传统的流行病学数据和方法，如基于医院或药房的数据、临床数据、焦点访谈和调查，这些都是耗时的[ 16， 17］．

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[ 8， 18］．社交媒体健康数据可以加速数据收集、整理和分析。分析用户内容(特别是Twitter上的内容)并跟踪信息使用模式，如用户浏览、搜索、点击或分享与医疗保健有关的信息，可以反映公众的健康状况、关注事项、意识和与健康相关的行为[ 18- 22］．社交媒体上用户生成的内容和共享的信息也可用于知识翻译和提高决策者的认识[ 8］．

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[ 13］．这最终将有助于制定卫生干预战略，并根据公众的看法设计有效的运动。

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[ 23， 24］．最近在风险沟通领域的研究应用社会网络分析来调查知识和信息共享网络的结构和用户之间的多层次交互模式[ 14， 25， 26］．研究表明，网络分析不仅对跟踪不同利益相关者之间的协作网络特别有用，而且对跟踪在国家灾害或地震等紧急情况下必要的信息源分布也特别有用[ 14， 25， 26］．及时监测风险网络和社交媒体上的公众对话，可以帮助增进对利益攸关方观点的理解，并帮助制定有效风险干预和恢复力所需的政策，从而确保对灾难性事件的有效管理[ 27- 29］．

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 [ 30.)，我们抓取了最近的推文中包含“冠状病毒”(코로나바이러스)、“冠状病毒19”(코로나19)、“新天志”(신천지)或“大邱”(대구)等韩语词汇的推特用户。这四个词代表了与韩国新冠疫情相关的核心问题。这些推文来自一个最多1.8万条推文的数据集。Twitter是世界上最大的社交媒体服务之一，它提供对话数据，不管个人信息收集和使用许可，通过各种自动方法免费提供。我们最后的样本包括43,832个Twitter用户和78,233个关系，其中包括来自选定Twitter网络的“tweet”、“转发”、“回复”和“提及”。一旦Twitter用户发布了包括文本、标签、图片和url的推文，当这些推文被转发或被其他Twitter用户提及时，这些推文的全部内容都会被包含在内[ 31］．

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[ 32］．该方法在信息测量的传播学研究中得到了广泛应用[ 33， 34］．该研究使用NodeXL计算各种量化信息扩散效率的度量，并可视化与四个搜索查询结果相关的网络结构地形作为种子。网络度量包括模块化、自环路的数量和连接的组件。模块化是社区结构的一个指标[ 35］．模块化值越高，表示子组之间的互连越大。网络分析中的组件指的是表示由路径连接的节点的子图[ 36］．当几乎没有人回复或提及一条推文时，就会出现自循环。

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[ 37］．此外，专业的新闻机构提供了一种快速有效地传播突发新闻的手段。媒体被分为门户新闻和非门户新闻。通过Naver、Daum、雅虎等国内信息门户网站发布的新闻。被归类为门户新闻。不是通过信息门户提供的新闻报道被视为非门户新闻。基于使用Cohen kappa的第二个独立编码器对样本的20% (n=8/40)进行编码，计算编码器之间的可靠性得分。两种编码方法的一致性很强(κ=0.71， P= 03)。

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[ 38］．新闻框架分为医疗框架和非医疗框架。在四个网络中，共有40个热门新闻项目根据其框架被分类为“医疗vs非医疗”。当一篇新闻报道涉及与COVID-19相关的医疗或健康问题时，它就被归类为“医疗框架”。

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[ 39， 40以及对推文中包含的新闻进行归纳审查。该编码方案旨在捕捉报纸如何宣传对社会问题的特定定义、解释或评价[ 41］．非医学新闻框架被分为五类:“责任归属”、“人类兴趣”、“道德”、“娱乐”和“冲突”[ 39， 40］． 文本框1给出了每个帧的定义。当使用多个帧时，将选择主导帧。每个新闻项目被一个编码员(一个作者)分类为一帧。基于使用kappa系数的第二个编码器对样本的20% (n=8/40)进行编码，计算编码器之间的可靠性得分。两个编码器之间有很强的一致性(κ=0.837， P<措施)。

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 图1．图中显示了前10个子组。在无向网络中，节点的半径大小反映了节点间中心性值的大小。由于空间的限制，我们没有展示节点之间的关系。

作为 图1这表明，用户之间的对话和信息共享模式在所有网络中都是相似的。结果表明这是一个由多层组成的复杂结构。大约有20个主要的子社区被激活，许多交互发生在与少数孤立用户的个人级别。 表1概述了每个网络中用户之间会话关系的特点。

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。 42］．

表2总结每个网络的整体属性。当一个Twitter网络以同心形式绘制时，连接两个用户(可能通过中间用户)所需的步骤反映了“测地线”值。连接最远一对的路径是最大测地线距离，或网络的直径。冠状病毒网络的直径和平均值在4个网络中最小。因为使用“冠状病毒”这个词的人彼此交流比使用其他词汇的人频繁得多，信息的传播速度要快得多，因此，它的价值是最低的。相比之下，Corona19网络的测地线值最大。

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。

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 每天最好该网站的网上公告栏删除了所有提到新天地的帖子。排在第二位的新闻是疾病管理本部警告说，在新冠肺炎疫情中，有18种胡须是危险的。排在第三位的新闻是“大邱普通市民的新冠病毒感染率比新天地会成员低”。排在第4位的新闻是，来自全国各地的手写信件和水果等支持信息如何给大邱医护人员继续工作的力量。排在第5位的关注新闻是“大学生为防止新冠肺炎相关虚假新闻的传播，建立了事实验证网站”。

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。 外交政策美国外交杂志《FP》分析了韩国新冠疫情的原因。 43］．这篇文章的标题是《邪教和保守派在韩国传播冠状病毒:首尔似乎控制住了病毒，但宗教和政治使计划脱轨》。此外，一份张贴到总统“青瓦台”的请愿书也是头条新闻。 44］．请愿书的内容是，检察总长尹锡烈不顾国民的忧虑，未能及时处理新天池事件，因领导能力不足而被罢免。

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 韩联社消息(韩国最大的新闻机构，堪比美国美联社)在频繁链接的推特群中排名很高(n=26和n=8)。在冠状病毒的推特网络中，流行新闻的首选渠道是 韩联社消息．在这些门户中， 韩国门户网站(韩国第二大门户网站)的人气远远高于 Naver(n=22, n=4)。其余的包括网络报纸(n=2)、社交媒体帖子(n=2，其中一条推特指向《外交政策》文章，另一条引用著名的“大邱实时”Facebook页面)、个人博客(n=1)和请愿网站(n=1)。门户的主导地位和 Yonap新闻归功于他们比其他媒体更快地传递新闻的商业模式。令人惊讶的是，没有传统媒体出现在顶级新闻频道中。

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(χ²_3.= 12.747, P= .005)。结果表明，冠状病毒网络引用的门户新闻(n=8/ 10,80%)多于非门户新闻(n= 2,20%)，而冠状病毒网络使用的非门户新闻(n=8/ 10,80%)多于门户新闻(n= 2,20%)。 P= .007。冠状病毒网络使用的非门户源也多于门户源，而大邱网络( P=.002)、新天地网( P= 0.02)包含更多门户新闻(n=9/10, 90%为大邱;n=7/10，新天地70%)比非门户源(n=1，大邱10%;n=3，新天地30%)。

我们还确定了门户中报道的新闻项目的来源。这四个 Naver新闻报道是基于 森, 体育峡谷报纸(都是在线报纸)， Newsis(一家新闻机构)，以及 每日广播(一个有线新闻频道，可与CNN相媲美)。一些22 韩国门户网站新闻文章来自 News1(新闻机构;n = 3); Newsis(n = 2); 箩筐，一家专注于网络的报纸(n=1); Nocut新闻，专注于网络的报纸(n=4);的 首尔每天报纸(n = 2);的 世界日报报纸(n = 1); 韩联社消息(n = 4);的 中央日报报纸(n = 2);的 近日每日报纸(n = 2);和 Hankook日常报纸(n = 1)。所谓的“遗产”媒体急于通过韩国门户网站提供新闻，因为这样可以使他们的突发新闻和独家新闻获得门户网站读者的更多关注。

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 t-test表明包含医学框架新闻文章的推文(平均值7.571，标准差1.988)比包含非医学框架新闻文章的推文(平均值5.060，标准差2.904， P=。03，95% CI 0.169-4.852).

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 表3，结果表明网络类型与新闻帧数无显著相关性( P=。89，95% CI 0.004-0.006), suggesting that the six frames were used similarly across the four networks.

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[ 45］．这项研究发现，在冠状病毒网络中，信息的传播比在其他网络中更快，因为在该网络中创建的集群A中的Twitter用户往往与集群b中的其他人相互关联。这些发现对风险沟通和健康运动有影响。当政府当局和专家分享和评论有关正在发生的传染病威胁的实时信息时，社交媒体分析可以帮助他们选择更合适的关键词和话题标签。事实上，韩国的中央和地方自治团体因未能就传染病症状的应对方法进行有效的信息沟通，引发了社会混乱，因此受到了批评。我们的研究结果可以用来加强政府的事实核查服务和风险沟通。例如，与新天集相关的推特网络的频繁共享主题和信息源可以帮助地方和中央政府审查人们对该病例的关注和意见，并指导疫情情况下的信息策略，这通常需要迅速作出风险管理决策。

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[ 46在日本3.11地震的研究中，各种媒体在国家灾难中相互作用，创造了一个既可以是积极的也可以是消极的社会信息环境。如果媒介新闻在流行病期间创造了一个信息免疫系统，那将是理想的。这项研究很重要，因为它考察了媒介间新闻的一个关键方面;尽管如此，媒介新闻在韩国COVID-19危机期间的全面动态尚未得到充分调查。

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。 47］．此外，Twitter用户中最大的群体是18-29岁的人群。此外，只有一小部分推特用户积极地生产推文并利用话语[ 47- 49］．Twitter上非常被动的用户(每年少于50条推文)和非常活跃的用户(每年超过1000条推文)比中度用户(每年50-1000条推文)更多[ 46］．因此，研究结果可能反映了疫情期间社交媒体用户的观点和行为，而不是所有人的总体意见。此外，信息共享行为可能存在偏见，因为一些用户可能比其他人生产更多的内容。他们是大邱市的居民还是游客也有可能影响了他们分享的新闻。 50］．此外，我们定性地检查了研究的数据集，以检测异常活动，如来自社交机器人的数据污染;然而，运行Twitter机器人检测软件将使我们能够更系统地从数据集中消除任何潜在的偏见。最后，我们应用了多编码器方法，但两个编码器可能不足以确保可靠性。未来的研究可以使用更多的编码器来保证分析结果的可靠性。

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[ 51］．然而，本研究并不打算将公共卫生保健数据提供给人工智能系统，如HealthMap或BlueDot，以协助预测传染病的发生。相反，本研究强调通过社交媒体进行战略性沟通的必要性和机会。社交媒体网络分析不能取代公共卫生官员的工作;然而，收集迅速传播的公众对话和媒体新闻并检测其结构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。