Evolution of the public opinion on COVID-19 vaccination in Japan
疫苗是控制COVID-19传播的有效工具。有效的疫苗接种运动需要政府政策和社区参与，分享经验以获得社会支持，并表达对疫苗安全性和效率的关注。越来越多地使用在线社交平台使我们能够跟踪大规模的通信并实时推断民意。我们收集了800万用户发布的超过1亿条与疫苗相关的推文，并使用潜在狄利克雷分配模型在日本疫苗接种活动期间对推文文本进行自动主题建模。我们确定了15个主题，分为4个主题：个人问题，突发新闻，政治，阴谋和幽默。主题受欢迎程度的演变揭示了公众舆论的转变，最初对个人问题（个人方面）的关注，从新闻（知识获取）和政府批评中收集信息，一旦建立了对疫苗接种运动的信心，就转向个人经历。一项中断的时间序列回归分析显示，东京奥运会对公众舆论的影响大于其他关键事件，但不是疫苗接种过程。公众对政治的看法受到各种事件的重大影响，在疫苗接种运动的早期阶段积极地转移了注意力，后来则消极地转移了注意力。当疫苗接种到达年轻人群时，有关个人问题的推文大多被转发。疫苗接种运动阶段与推文主题之间的关联表明，公众参与社交平台有助于通过社交学习和支持减少焦虑，从而加速疫苗接种。
2022-07-22 cs.SI physics.soc-ph
Age-Stratified COVID-19 Spread Analysis and Vaccination: A Multitype Random Network Approach
COVID-19导致严重疾病和死亡的风险随着年龄的增长而显著增加。因此，COVID-19动态的年龄分层建模是研究如何减少COVID-19住院和死亡率的关键。利用网络理论，我们建立了一个复杂接触网络中的年龄分层COVID-19流行病模型。具体来说，我们提出了一个扩展的标准SEIR（易感染-暴露-感染-移除）房室模型，称为年龄分层SEAHIR（易感染-暴露-无症状-住院-感染-移除）模型，以捕捉COVID-19在具有一般度分布的多类型随机网络上的传播。我们得出了几个关键的流行病学指标，然后提出了一个年龄分层的疫苗接种策略，以降低死亡率和住院率。通过大量的研究，我们发现疫苗接种优先顺序的结果取决于繁殖数R 0。具体而言，只有当R 0相对较高时，才应优先考虑老年人。如果正在进行的干预政策，如普遍掩蔽，可以将R 0抑制在相对较低的水平，优先考虑高传播年龄组（即，年龄在20-39岁的成年人）对降低死亡率和住院率最为有效。这些结论为基于年龄的COVID-19疫苗接种优先级提供了有用的建议。
2021-03-18 cs.SI physics.soc-ph q-bio.PE
GeoCovaxTweets: COVID-19 Vaccines and Vaccination-specific Global Geotagged Twitter Conversations
社交媒体平台在危机和流行病爆发期间提供可采取行动的信息。COVID-19大流行在全球范围内造成了一场慢性公共卫生危机，专家认为疫苗是实现病毒群体免疫的最终预防措施。一部分人可能会转向社交媒体平台反对疫苗和接种，阻碍政府根除病毒的努力。本文介绍了COVID-19疫苗和疫苗接种特定的全球地理标记推文数据集GeoCovaxTweets，其中包含超过180万条推文，具有位置信息和更长的时间覆盖范围，来自233个国家和地区，于2020年1月至2022年11月期间。本文讨论了数据集的策展方法以及如何在本地重新创建数据集，然后通过多个tweets分布来探索数据集，并简要讨论了其潜在的用例。我们预计，该数据集将帮助危机计算领域的研究人员通过有关趋势、观点转变、错误信息和反疫苗接种运动的众多空间和时间维度，探索COVID-19疫苗和疫苗接种Twitter话语的对话动态。
2023-01-18 cs.SI
Dynamics of toxic behavior in the Covid-19 vaccination debate
本研究分析意大利Covid-19疫苗辩论中在线社交网络用户的毒性行为，发现Novax更活跃但Provax自2021年6月起毒性上升，归因于活动强度增加和传染效应，尖峰活动模式与毒性相关。
2023-11-11 cs.SI physics.soc-ph
A behavioural modelling approach to assess the impact of COVID-19 vaccine hesitancy
在本文中，我们引入了一个描述非强制性疫苗接种情况下COVID-19疾病传播的房室流行病模型。该模型考虑了疫苗接种的犹豫和拒绝。为了这个目的，我们采用信息指数，它模仿的想法，个人采取他们的决定接种疫苗的基础上，不仅是现在，而且在过去的信息有关的疾病的传播。理论分析和模拟结果表明，自愿接种疫苗固然可以降低疾病的影响，但不能完全消除疾病的影响，同时也说明了信息相关参数对疾病动态的影响。特别是在信息覆盖面大、记忆特征时间小的情况下，更好地遏制了疫苗接种的犹豫和拒绝。最后，季节性的可能影响也进行了研究。
2021-06-22 cs.SI physics.soc-ph q-bio.PE
Agent based network modelling of COVID-19 disease dynamics and vaccination uptake in a New South Wales Country Township
本研究构建基于智能体的接触网络模型，模拟NSW乡镇COVID-19传播与Pfizer疫苗接种，发现三剂疫苗可遏制疫情但难根除，且感染节点平均度可预测感染高峰。
2024-01-07 cs.MA cs.SI physics.soc-ph
Your Tweets Matter: How Social Media Sentiments Associate with COVID-19 Vaccination Rates in the US
目的：该研究旨在研究社交媒体对COVID-19疫苗接种的情绪与美国疫苗接种率的影响之间的关联，以及导致COVID-19疫苗犹豫的其他因素。方法：本研究使用的数据集包括2021年1月4日至5月11日在美国境内发布的实时收集的疫苗相关英语推文，以及州一级的健康素养（HL），社会脆弱性指数（SVI）和疫苗接种率。结果如下：这项研究的结果表明，推文的情绪与美国的疫苗接种率之间存在显着相关性。结果还表明，HL和SVI之间存在显著的负相关性，并且国家人口统计学与HL和SVI相关。讨论内容：社交媒体活动提供了有关疫苗接种的公众意见的见解，并有助于确定所需的公共卫生干预措施，以提高美国的疫苗接种率。结论：作为疫苗接种运动的一部分，在公共卫生干预措施中需要考虑卫生知识、社会脆弱性指数和监测社交媒体情绪。
2022-01-20 cs.SI stat.AP
Strategies for COVID-19 vaccination under a shortage scenario: a geo-stochastic modelling approach
在一个受到COVID-19浪潮冲击的世界里，疫苗接种是地平线上的一盏灯。然而，疫苗接种战略的推出及其对大流行病的影响仍然是悬而未决的问题。为了比较世界卫生组织和其他当局提出的各种策略的效果，以前开发的SEIRS随机模型的地理传播的病毒是通过增加一个隔间接种疫苗的人。模型的参数被拟合来描述阿根廷、墨西哥和西班牙的大流行演变，以分析所提出的疫苗接种策略的效果。移动性参数允许模拟不同的社会行为（例如锁定干预）。模拟和比较了在全国各地均匀接种疫苗或仅限于人口最稠密地区接种疫苗的计划。第二种策略被认为是更有效的。此外，在目前全球疫苗短缺的情况下，应当指出，流动性减少，免疫接种也就增强了。此外，应考虑到接种疫苗（和恢复）人群的免疫失效情况，确定重复接种疫苗的时间。最后，该模型被扩展到包括隔离检测到的阳性病例的影响，这对减少感染很重要。
2021-04-22 cs.SI physics.soc-ph q-bio.PE
Echoes through Time: Evolution of the Italian COVID-19 Vaccination Debate
Twitter是该国最受欢迎的社交媒体平台之一，但大流行前的疫苗接种辩论已被证明是两极分化和孤立的回声室。因此，必须了解这种话语的性质，特别关注疫苗接种犹豫不决的个人，他们的医疗保健决定可能会影响他们的社区和整个国家。在这项研究中，我们问，在COVID-19大流行期间，意大利关于疫苗接种的讨论发生了怎样的变化，2020-2021年前所未有的事件是否能够打破围绕这一主题的回音室？我们使用2019年9月至2021年11月的Twitter数据集来研究疫苗接种的两极分化状态。我们提出了一个层次聚类的方法来找到最大的社区在不同的时间段的背书网络，并手动说明，它产生的用户共享的立场社区。研究这些网络的结构，以及它们相互作用的文本内容，我们发现支持者和犹豫不决的个人之间的鲜明分歧，在整个疫苗接种运动中继续存在。然而，我们发现疫苗支持者和疫苗犹豫者关注的话题越来越多，这表明双方可能会同意一系列共同的事实。尽管如此，我们发现犹豫群体表达了一系列担忧，从毫无根据的阴谋（疫苗中的微芯片）到公共卫生政策讨论（疫苗护照限制）。我们建议对这一辩论进行持续监测，特别是在公共卫生决定和官方信息公布之前发现对疫苗接种的担忧。
2022-04-27 cs.CY cs.SI physics.soc-ph
A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter
University of Luxembourg（卢森堡大学）
疫苗供应充足的欧洲及美国，疫苗犹豫被视为COVID-19疫苗接种率停滞不前的主要原因之一。快速准确地掌握公众对疫苗接种的态度对于解决疫苗犹豫问题至关重要，而社交媒体平台已被证明是公众意见的有效来源。在本文中，我们描述了与COVID-19疫苗相关的推文数据集的收集和发布。该数据集包括从西欧收集的2，198，090条推文的ID，其中17，934条带有发起人的疫苗接种立场。我们的注释将有助于使用和开发数据驱动模型，从社交媒体帖子中提取疫苗接种态度，从而进一步证实社交媒体在公共卫生监测中的作用。为了为未来的研究奠定基础，我们不仅对数据集进行统计分析和可视化，还评估和比较了疫苗接种立场提取中基于文本的基准的性能。我们展示了我们的数据在实践中的一个潜在用途，即跟踪公众COVID-19疫苗接种态度的时间变化。
2022-06-27 cs.CL cs.CY cs.LG
Covid-19 vaccination strategies with limited resources -- a model based on social network graphs
我们开发了一个感染传播模型，该模型考虑到了弱势群体的存在以及个人社会关系的可变性。我们开发了一个分区的幂律模型，与弱势群体和普通人群之间的幂律连接，考虑这些连接以及弱势群体之间的连接，我们在我们的测试中改变参数。我们使用该模型研究了一些疫苗接种策略下的两个假设：首先，我们假设疫苗的有限的可用性，但无限的疫苗接种能力，使所有可用的剂量可以在短时间内管理（相对于流行病的演变可以忽略不计）。然后，我们假设疫苗接种能力有限，因此，就流行病的演变而言，在不可忽略的时间内接种疫苗。我们为各种社会参数制定了最佳策略，其中策略包括（1）向弱势群体接种疫苗的比例和（2）用于向一般人群接种疫苗的标准。在疫苗接种能力有限的情况下，分数（1）是时间的函数，我们研究如何优化它，以获得最大限度地减少受害者的数量。
2020-10-11 cs.SI physics.soc-ph q-bio.PE
The Persistence of Contrarianism on Twitter: Mapping users' sharing habits for the Ukraine war, COVID-19 vaccination, and the 2022 Midterm Elections
本研究比较了COVID-19疫苗接种、乌克兰战争和2022年中期选举的Twitter数据，发现用户中存在一种广泛且意识形态连贯的跨主题逆向主义立场，其特征是反对公共卫生叙事和拜登政府外交政策，但该立场不完全与左右政治取向一致。
2024-06-28 cs.CY cs.SI physics.soc-ph
Can Twitter Give Insights into International Differences in Covid-19 Vaccination? Eight countries' English tweets to 21 March 2021
疫苗接种计划可能有助于世界减少或消除COVID-19。有关这些措施的信息可能有助于各国更有效地制定这些措施，对公众健康有重要的好处。本文调查了是否有可能从Twitter上公众评论的快速国际比较中了解国家疫苗接种计划。为此，对2020年12月5日至2021年3月21日期间收集的来自八个国家的英语疫苗相关推文进行了词汇关联主题分析（WATA）。该方法能够快速识别多种国际差异。虽然有些是无关紧要的，但潜在的重要差异包括非政府科学专家对国家疫苗接种讨论的重要程度不同。例如，爱尔兰似乎是唯一一个大学校长在疫苗讨论中被广泛转发的国家。印度的疫苗善意术语#VaccineMaitri是另一个有趣的差异，强调了国际共享的必要性。
2021-03-25 cs.DL cs.SI
Perceived Social Influence on Vaccination Decisions: A COVID-19 Case Study
本研究考察了美国COVID-19疫苗接种决策中感知到的社会影响，发现已接种人群比未接种人群感知到更多社交影响，但多数参与者决策时不受社交影响，而是受恐惧驱动。
2024-05-31 cs.CY cs.SI physics.soc-ph
Linking Opinion Dynamics and Emotional Expression in Online Communities: A Case Study of COVID-19 Vaccination Discourse in Japan
本研究通过分析日本新冠疫苗讨论中的情绪动态，揭示了集体情绪、社区归属和个体情绪变化对疫苗接种意见形成的影响。
2025-11-26 cs.SI
'Congratulations, morons': Dynamics of Toxicity and Interaction Polarization in the Covid Vaccination and Ukraine War Twitter Debates
本文分析新冠疫苗与乌克兰战争的两个大型 Twitter 数据集，结合转推影响者偏好、簇结构演变和内容毒性，揭示意识形态对立及毒性与结构分歧的时间关联。
2025-05-12 cs.SI physics.soc-ph
Modeling the Impact of Social Distancing and Targeted Vaccination on the Spread of COVID-19 through a Real City-Scale Contact Network
我们使用移动终端数据在俄勒冈州波特兰市构建了经验性的人际物理接触网络，包括在COVID-19大流行期间实施社交距离措施之前和之后。这些网络揭示了社交距离措施和公众对初期流行病的反应如何影响城市内部的连通模式。我们发现，随着大流行病的发展，与许多人接触的人数大幅减少。我们进一步研究了这些不同的网络拓扑结构对COVID-19传播的影响，通过模拟这些网络上的SEIR流行病模型，发现减少的连接大大抑制了流行病。然后，我们调查了当部分人口接种疫苗时，流行病的反应，并比较了两种疫苗接种分配策略，包括有和没有社交距离。我们的主要结果是，接触网络的重尾度分布导致了有针对性的疫苗接种策略，该策略优先考虑高接触个体，以减少病例数，这比随机接种个体的策略更有效。结合有针对性的疫苗接种和社交距离导致病例的最大减少，我们还发现，与随机策略相比，有针对性的策略的边际效益超过了社交距离减少病例数量的边际效益。这些结果对全球正在进行的疫苗分发工作具有重要意义。
2021-07-13 cs.SI physics.soc-ph q-bio.PE
Analysis of the influence of political polarization in the vaccination stance: the Brazilian COVID-19 scenario
COVID-19的爆发产生了巨大的全球影响，非科学信仰和政治两极分化严重影响了人们的行为。在这种情况下，COVID疫苗在前所未有的时间内提供，但人们观察到高度的犹豫，这可能会破坏社区免疫。传统上，反疫苗接种的态度更多地与阴谋思维有关，而不是政治偏见。在巴西这个在大规模疫苗接种计划方面具有典范传统的国家，所有与COVID相关的话题也都在强烈的政治偏见下进行了讨论。在本文中，我们使用一个多维分析框架来了解巴西人在社交媒体上表达的反对/支持疫苗接种的立场是否受到政治两极分化的影响。分析框架结合了自动推断用户的政治倾向，主题建模，以发现他们的关注，网络分析，以表征他们的社会行为，以及信息源和外部影响的表征技术。我们的主要研究结果证实，反/赞成偏见的政治极化，右和左，分别。虽然相当一部分支持疫苗接种的人急于实施免疫计划，并批评政府的行动，但反对疫苗接种的人不信任在创纪录的时间内开发的疫苗。反疫苗立场也与对中国的偏见（反华派）有关，揭示了与共产主义有关的阴谋论。所有群体都表现出一种“回音室行为"，表明他们对不同的观点不持开放态度。
2021-10-07 cs.SI
Global misinformation spillovers in the online vaccination debate before and during COVID-19
反疫苗接种的观点充斥着在线社交媒体，加剧了对科学专业知识的不信任，增加了对疫苗犹豫不决的人。虽然先前的研究集中于特定国家，但COVID-19大流行将疫苗接种的讨论带到了全球范围，强调了在全球范围内解决低可信度信息流以设计有效对策的必要性。在这里，我们利用2019年10月至2021年3月期间18种语言的3.16亿条与疫苗相关的Twitter消息来量化接触反疫苗接种（no-vax）内容的用户之间的错误信息流。我们发现，在大流行期间，无疫苗社区在针对特定国家的辩论中变得更加重要，他们的跨境联系得到加强，揭示了一个全球Twitter反疫苗接种网络。美国用户是这个网络的核心，而俄罗斯用户也成为疫苗接种推广期间错误信息的净出口国。有趣的是，我们发现Twitter的内容审核工作，特别是在1月6日美国国会大厦袭击后暂停用户，在减少有关疫苗的错误信息传播方面产生了全球影响。这些发现可能有助于公共卫生机构和社交媒体平台通过揭示脆弱的在线社区来减少与健康相关的低可信度信息的传播。
2022-12-19 cs.CY cs.SI
ArCovidVac: Analyzing Arabic Tweets About COVID-19 Vaccination
Qatar Computing Research Institute, HBKU（卡塔尔计算研究所，哈马德·本·哈利法大学）；University of Pittsburgh（匹兹堡大学）
COVID-19大流行的出现和首次全球信息流行病以多种不同方式改变了我们的生活。我们依靠社交媒体获取有关COVID-19疫情的最新信息，同时传播信息。社交媒体上的内容不仅包括与健康相关的建议，计划和来自政策制定者的信息性新闻，还包含阴谋和谣言。重要的是，一旦这些信息被发布，就必须立即识别它们，以做出可操作的决策（例如，揭穿谣言，或采取某些措施旅行）。为了应对这一挑战，我们为COVID-19疫苗接种活动开发并公开发布了第一个最大的人工注释阿拉伯语推文数据集ArCovidVac，覆盖了阿拉伯地区的许多国家。该数据集通过不同的注释层来丰富，包括：（i）信息性（推文的重要性更高与较低）;（ii）细粒度的推文内容类型（例如，建议、谣言、限制、认证新闻/信息）;以及（iii）对疫苗接种的立场（支持疫苗接种、中立、反对疫苗接种）。此外，我们对数据进行了深入分析，探索不同疫苗的受欢迎程度，趋势标签，主题和推文中的攻击性。我们研究了各种类型的推文和对疫苗立场的时间变化的数据。我们使用Transformer架构对ArCovidVac数据集进行基准测试，以获得信息量、内容类型和姿态检测。
2022-01-17 cs.CL cs.SI
Impact of the Covid 19 outbreaks on the italian twitter vaccination debat: a network based analysis
本研究构建了2019-2022年意大利语疫苗讨论推文数据集TwitterVax，通过41个月度转发网络的社区检测，分析了反疫苗与支持疫苗群体的演化极化特征，识别了舆论关键节点与讨论趋势。
2023-06-05 cs.SI math.DS physics.soc-ph
A Large-Scale Analysis of Persian Tweets Regarding Covid-19 Vaccination
University of Tehran（德黑兰大学）
本文基于 Twitter 数据，结合主题建模与 transformer 模型分析伊朗公众对 Covid-19 疫苗的意见和情绪，揭示了疫苗接种在政府、安全性、副作用等方面的关注及其对公众情绪的影响。
2024-01-13 cs.CL cs.SI
"Double vaccinated, 5G boosted!": Learning Attitudes towards COVID-19 Vaccination from Social Media
University of Luxembourg（卢森堡大学）
为解决疫苗犹豫影响COVID-19疫苗接种工作的问题，了解公众疫苗接种态度并及时掌握其变化至关重要。尽管可靠性和可信度，传统的态度收集的基础上的调查是耗时和昂贵的，不能跟随疫苗接种态度的快速演变。我们利用社交媒体上的文本帖子，通过提出一个深度学习框架，近实时地提取和跟踪用户的疫苗接种立场。为了解决语言特征的影响，如在疫苗相关的话语中常用的讽刺和讽刺，我们将用户的社交网络邻居的最近的帖子整合到框架中，以帮助检测用户的真实态度。基于我们来自Twitter的注释数据集，与最先进的纯文本模型相比，从我们的框架实例化的模型可以将态度提取的性能提高23%。使用这个框架，我们成功地验证了使用社交媒体来跟踪现实生活中疫苗接种态度演变的可行性。我们进一步展示了我们的框架的一个实际用途，通过验证预测用户的疫苗犹豫变化与从社交媒体感知的信息的可能性。
2022-06-27 cs.CY cs.LG cs.SI
Public Discourse about COVID-19 Vaccinations: A Computational Analysis of the Relationship between Public Concerns and Policies
本研究针对DACH地区COVID-19疫苗接种率偏低的问题，基于Twitter数据结合主题建模与情感分析开展计算研究，发现限制未接种者自由的政策虽提升了接种率，却未消解公众对自由权利及疫苗相关问题的疑虑，反而加剧话语负面极化。
2024-05-07 cs.CY cs.SI
Vaccine Search Patterns Provide Insights into Vaccination Intent
尽管COVID-19疫苗供应充足，但在美国大部分地区，完全接种疫苗的个人比例仍然不理想。为更多的人快速接种疫苗将防止未接种疫苗者和接种疫苗者出现新的感染，从而挽救生命。随着今年疫苗接种工作的迅速展开，互联网已成为有关COVID-19疫苗、其安全性和有效性及其可用性的主要信息来源。我们试图评估与COVID-19疫苗接种相关的互联网搜索趋势-如谷歌的疫苗搜索洞察（VSI）指数所反映的那样-是否可以用作接受疫苗接种的人群水平兴趣的标志。我们发现，在2021年1月至8月期间：1）谷歌的每周VSI指数与随后三周内接种的新疫苗数量相关，2）前几个月的平均VSI指数与多个月后的疫苗接种率密切相关（r = 0.89）。鉴于这些结果，我们说明了一种方法，通过这种方法，搜索兴趣的数据可以与其他可用的数据相结合，以告知当地的公共卫生推广和疫苗接种工作。这些结果表明，VSI指数可能是一个有用的领先指标，可以反映人群对COVID-19疫苗的兴趣或意图，特别是在疫苗部署工作的早期。这些结果可能与目前向未接种疫苗的个人、新符合条件的儿童以及有资格接受加强注射的人接种COVID-19疫苗的努力有关。更广泛地说，这些结果强调了匿名和汇总的互联网搜索数据的机会，这些数据可以近实时地提供，以告知对公共卫生突发事件的反应。
2021-11-22 cs.SI
Effects of Antivaccine Tweets on COVID-19 Vaccinations, Cases, and Deaths
Indiana University（印第安纳大学）；RTI International（RTI国际研究院）
该研究通过分析社交媒体上的反疫苗推文，发现其对疫苗接种率、病例和死亡有显著影响，提出了一种将在线言论与流行病结果联系起来的模型。
2025-10-15 cs.CY cs.SI
Promoting Fair Vaccination Strategies Through Influence Maximization: A Case Study on COVID-19 Spread
本研究针对新冠疫情中不同群体的健康差异问题，提出基于出行网络影响力最大化的公平疫苗分配策略，经美国三大都市区实验验证，可有效减少传播并提升分配公平性。
2024-02-20 cs.CY cs.SI
Writing about COVID-19 vaccines: Emotional profiling unravels how mainstream and alternative press framed AstraZeneca, Pfizer and vaccination campaigns
University of Turin（都灵大学）；University of Exeter（埃克塞特大学）
自二零二零年十一月宣布以来，COVID-19疫苗在媒体及社交媒体上引起广泛讨论。由于大多数研究都集中在社交媒体中的COVID-19虚假信息上，因此很少有人关注主流新闻媒体与其他来源相比如何构建COVID-19叙述。为了填补这一空白，我们使用认知网络科学和自然语言处理来重建5745条意大利新闻的时间演变语义和情感框架，这些新闻在Facebook和Twitter上被大量转发，关于COVID-19疫苗。我们发现，在主流来源构建“疫苗/疫苗”的总体概念的方式中，信任/预期水平一直很高，而厌恶程度较低。这些情绪在替代来源构建COVID-19疫苗的方式中至关重要。在疫苗的具体情况下发现了更多的差异。其他新闻包括用强烈的悲伤情绪来框定阿斯利康疫苗的标题，这在主流标题中是不存在的。主流新闻最初将“辉瑞”与“阿斯利康”相比，与副作用有更多的负面联系。随着后者在2021年3月15日的暂时暂停，我们发现了语义/情感上的转变：即使是主流文章标题也将“阿斯利康”框定为语义上更丰富的副作用负面关联，而“辉瑞”则经历了积极的效价转变，主要与其更高的疗效有关。“血栓形成”与可怕的概念联想一起进入了疫苗的框架，而“死亡”经历了情感上的转变，在替代标题中转向恐惧，在主流标题中失去了希望的内涵。我们的研究结果揭示了媒体对COVID-19疫苗的情感叙述的关键方面，强调了了解替代媒体和主流媒体如何报道疫苗接种新闻的必要性。
2022-01-19 cs.CL cs.CY cs.SI
Spanish Facebook Posts as an Indicator of COVID-19 Vaccine Hesitancy in Texas
疫苗接种是一项主要的公共卫生干预措施，旨在预防COVID-19感染和住院。然而，由于错误信息/虚假信息，特别是在少数民族群体中，疫苗犹豫不决，对这种干预措施的有效性产生了负面影响。这项研究的目的是了解如何利用从社交媒体收集的信息来改善对疫苗接种的态度，减少对疫苗接种的犹豫。这项工作的重点是西班牙语帖子，并将突出得克萨斯州不同县的疫苗接种率与Facebook数据的情感和情感内容之间的关系，Facebook是西班牙裔人口中最受欢迎的平台。对这一有价值的数据集的分析表明，这一少数群体的疫苗接种率与消极情绪和恐惧呈负相关，这意味着消极和恐惧帖子的流行率较高，表明这些县的疫苗接种率较低。这项调查西班牙裔人群疫苗犹豫的第一项研究表明，社交媒体倾听可以成为衡量对公共卫生干预措施态度的有价值的工具。
2022-09-12 cs.SI stat.AP
Misinformation and Polarization around COVID-19 vaccines in France, Germany, and Italy
本研究分析法国、德国和意大利推特上关于COVID-19疫苗的讨论，揭示极化现象和回音室形成，并发现低可信度信息通过Telegram和YouTube传播，导致新闻可信度下降。
2024-02-06 cs.SI physics.soc-ph
Misleading the Covid-19 vaccination discourse on Twitter: An exploratory study of infodemic around the pandemic
University of Tartu（塔尔图大学）；Nanyang Technological University（南洋理工大学）
在这项工作中，我们收集了一个中等规模的有代表性的推文语料库（约200，000条）在七个月期间（2020年9月至2021年3月）接种新冠肺炎疫苗。遵循迁移学习方法，我们利用预先训练的基于Transformer的XLNet模型将推文分类为误导性或非误导性，并手动验证结果的随机子集。我们以此为基础，研究和对比的特点，在语料库中的推文是误导性的非误导性的。这种探索性分析使我们能够设计特征（如情感，标签，名词，代词等），这些特征反过来可以用于以可解释的方式使用各种ML模型将推文分类为（非）误导。具体来说，使用几个ML模型进行预测，准确率高达90%，并使用SHAP可解释AI（XAI）工具解释每个特征的重要性。虽然这项工作的主旨主要是探索性分析，以获得关于新冠疫苗接种的在线讨论的见解，但我们总结了这些见解如何为减少错误信息的更可行方法提供基础。策划的数据集和代码是可用的（Github存储库），以便整个研究社区可以复制，比较或建立在这项工作上。
2022-11-25 cs.CL cs.SI
Leveraging Large Language Models and Weak Supervision for Social Media data annotation: an evaluation using COVID-19 self-reported vaccination tweets
Georgia State University（佐治亚州立大学）
本研究评估了GPT-4和弱监督在单样本模式下识别COVID-19疫苗相关推文的表现，旨在替代耗时昂贵的人工标注，并与人工标注员进行了对比。
2023-09-12 cs.CL cs.LG cs.SI
AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System
School of Artificial Intelligence Bennett University（贝内特大学人工智能学院）；College of Computing and Data Science Nanyang Technological University（南洋理工大学计算与数据科学学院）；Institute of Computer Science University of Tartu（塔尔图大学计算机科学研究所）
本研究提出AMIR系统，利用社交媒体和事实核查数据集，实现针对COVID-19疫苗相关推文的大规模自动化错误信息驳斥，作为错误信息缓解的概念验证。
2024-07-26 cs.AI cs.IR cs.SI
Misinformation Concierge: A Proof-of-Concept with Curated Twitter Dataset on COVID-19 Vaccination
University of Tartu（塔尔图大学）；Nanyang Technological University（南洋理工大学）；University of Surrey（萨里大学）
Misinformation Concierge是一个概念验证系统，利用语言处理和机器学习识别社交媒体错误信息子主题，为政策制定者提供统计报告并推荐反驳消息，以干预和反击错误信息。
2023-08-25 cs.CL cs.SI
Investigating Vaccine Buyer's Remorse: Post-Vaccination Decision Regret in COVID-19 Social Media Using Politically Diverse Human Annotation
University of Washington, Seattle（华盛顿大学西雅图分校）；Rochester Institute of Technology（罗切斯特理工学院）
本文通过构建新冠接种经历数据集，分析疫苗后悔现象的普遍性、原因及第一人称与 vicarious 经历差异，评估 LLMs 引入的潜在偏见。
2026-03-18 cs.CY cs.LG cs.SI
Cutting through the noise to motivate people: A comprehensive analysis of COVID-19 social media posts de/motivating vaccination
Northern Illinois University（北伊利诺伊大学）；University of South Carolina（南卡罗来纳大学）
通过分析两年数据集，识别影响COVID-19疫苗接种的促进与阻碍话题，发现内在动机比外部命令更能激励公众，为政策制定者提供策略。
2024-07-26 cs.CL cs.CY cs.LG
Covid-19 vaccine hesitancy and mega-influencers
新冠肺炎疫苗在美国广泛使用，但我们的新冠肺炎疫苗接种率仍远低于100%。不仅如此，CDC的数据显示，即使在新冠疫苗接种工作开始时疫苗接受率较高的地方，这种意愿也不一定会在随后的几个月里转化为高疫苗接种率。我们模拟了这种转变是如何产生的，使用的参数与阿拉巴马州的数据一致。模拟结果表明，在阿拉巴马州，当地的互动有利于围绕最初的多数人观点形成紧密的共识，即接受新冠疫苗。但事实并非如此。因此，我们在我们的模型中加入了大型影响者的影响，如大众媒体，州长等。我们的模拟表明，一个单一的疫苗犹豫不决的大型影响者，达到人口的很大一部分，确实可以导致共识从根本上转变，从接受到犹豫。令人惊讶的是，即使超级影响者只接触那些已经有点倾向于同意他们的人，并且在保守的假设下，个人对超级影响者的重视程度不会超过他们对他们的朋友或邻居的重视程度。我们的模拟还表明，一个持相反观点的竞争性超级影响者可以将平均人口观点转变回来，但无法恢复围绕该观点的共识的紧密性。我们的代码和数据分布在ODyN（意见动态网络）库中，可在https://github.com/annahaensch/ODyN上获得。
2022-04-15 cs.SI physics.soc-ph q-bio.PE
Social inequalities that matter for contact patterns, vaccination, and the spread of epidemics
该研究利用匈牙利新冠疫情数据识别接触模式和疫苗接种态度的社会不平等维度，发现优势群体接触更多且接种率更高，并提出纳入行为差异的数据驱动流行病学模型，用于分析匈牙利第四波疫情，为公共卫生策略提供依据。
2023-07-10 cs.SI physics.soc-ph stat.AP
Misinformation versus Facts: Understanding the Influence of News Regarding COVID-19 Vaccines on Vaccine Uptake
有关COVID-19疫苗的网上话语及讨论中存在大量基于事实的信息及错误信息。使用近400万条带有地理标记的英文推文样本和来自CDC COVID数据跟踪器的数据，我们进行了Fama-MacBeth回归，并进行了Newey-West调整，以了解Twitter上的错误信息和基于事实的新闻对美国COVID-19疫苗接种的影响。在控制了人口统计、教育和流行病严重程度等州一级的因素后。我们通过分析URL来识别与错误信息或基于事实的新闻相关的推文。与事实相关的Twitter用户增加1%，每百人每日新接种疫苗的人数减少约0.87（B =-0.87，SE = 0.25，p<0.001）。与假新闻相关的用户比例与疫苗接种率之间没有显着关系。事实相关用户比例与疫苗接种率之间的负相关可能是由于更大的用户层面影响力和在线社交认可对疫苗接种意愿的负面影响。
2022-02-17 cs.SI
Analyzing COVID-19 Vaccination Sentiments in Nigerian Cyberspace: Insights from a Manually Annotated Twitter Dataset
Northeastern University（东北大学）；HausaNLP（豪萨自然语言处理实验室）；Bayero University Kano（卡诺巴耶罗大学）；University of Porto（波尔图大学）；Ahmadu Bello University（艾哈迈杜·贝洛大学）；University Of Maiduguri（迈杜古里大学）；University of Abuja（阿布贾大学）
本文构建人工标注的多语言尼日利亚 Twitter 数据集，并利用基于 transformer 的 LLM 分析 COVID-19 疫苗情绪，发现整体偏中性且跨语言微调仍具竞争力。
2024-01-23 cs.CL cs.SI
Tracking the Structure and Sentiment of Vaccination Discussions on Mumsnet
本研究以英国家长论坛Mumsnet为对象，用基于graphlet的网络比较和情感分析，揭示COVID-19前后疫苗讨论的拓扑结构与情感变化关联，为强化情感分析结论提供新工具。
2023-08-24 cs.CY cs.HC cs.SI
Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses from Twitter Data
North South University（北南大学）；Taif University（塔伊夫大学）；Princess Sumaya University for Technology（苏玛雅公主科技大学）
新冠疫情如此可怕，导致严重的焦虑、恐惧和复杂的感觉或情绪。即使在接种冠状病毒疫苗后，人们的情绪也变得更加多样和复杂，我们的目标是使用一些深度学习技术来理解和解开他们在这项研究中的情绪。社交媒体是目前表达感情和情绪的最佳方式，在它的帮助下，特别是Twitter，人们可以更好地了解什么是趋势，人们的想法是什么。我们进行这项研究的动机是了解人们对疫苗接种过程的看法，以及他们对此的不同想法。在这项研究中，所收集的推文的时间轴是从12月21日到7月21日，其中包含了最近来自世界各地的最常见疫苗的推文。人们对各种疫苗的情绪通过使用名为效价感知词典推理器（VADER）的自然语言处理（NLP）工具进行评估。通过将情绪极性初始化为3组（积极，消极和中性），整体场景在这里可视化，我们的发现是33.96%的积极，17.55%的消极和48.49%的中性反应。面向递归神经网络（RNN）的架构，如长短期记忆（LSTM和Bi-LSTM），用于评估预测模型的性能，LSTM实现了90.59%的准确度，Bi-LSTM实现了90.83%的准确度。其他性能指标，如精度，召回，F-1评分和混淆矩阵也被证明可以更有效地验证我们的模型和发现。这项研究将帮助每个人了解公众对COVID-19疫苗的意见，并影响从我们美丽的世界中消除冠状病毒的目标。
2022-08-26 cs.CL cs.SI
The Wasserstein Bipolarization Index: A New Measure of Public Opinion Polarization, with an Application to Cross-Country Attitudes toward COVID-19 Vaccination Mandates
本文基于收入双极化公理化方法提出满足关键公理的 p-Wasserstein 极化指数，并应用于 11 国 COVID-19 疫苗强制令态度，发现美英极化最高、中法印最低。
2024-07-20 cs.SI physics.soc-ph stat.AP
Automated clustering of COVID-19 anti-vaccine discourse on Twitter
Australian National University（澳大利亚国立大学）；University of Melbourne（墨尔本大学）；Macquarie University（麦考瑞大学）
对疫苗接种的态度变得更加两极分化;在网上看到疫苗虚假信息和边缘阴谋论是很常见的。Ojea Quintana et al.（2021）对Twitter疫苗话语进行了观察性研究：作者分析了大约六个月的Twitter话语-2019年12月至2020年6月期间的130万条原始推文和1800万条转发，范围从新冠肺炎大流行之前到之后。这项工作扩展了Ojea Quintana et al.（2021）的数据科学的两个主要贡献。首先，基于作者最初的网络聚类和定性分析技术，我们能够清楚地划分和可视化话语中使用的语言模式，由反疫苗接种运动者（反疫苗接种运动者和疫苗否认者）与其他集群（统称，其他人）。其次，利用Antivaxxers的推文的特点，我们开发了文本分类器来确定给定用户使用反疫苗接种语言的可能性，最终有助于建立一个早期预警机制，以改善我们的认知环境的健康状况，并支持（而不是阻碍）公共卫生举措。
2022-03-03 cs.CY cs.LG cs.SI
Insight from NLP Analysis: COVID-19 Vaccines Sentiments on Social Media
University of Manchester（曼彻斯特大学）
社交媒体是分析公众对COVID-19疫苗和各种品牌的态度的适当来源。然而，相关的研究很少。在这项研究中，我们收集了英国和美国居民在大流行期间从Twitter API发布的推文，并设计了实验来回答有关疫苗接种的三个主要问题。为了获得公民的主导情绪，我们使用VADER进行情感分析，并提出了一种新的方法，可以计算个人的影响力。这使我们能够在情感分析中更进一步，并解释数据变化中的一些波动。结果表明，名人可以引导社交媒体上疫苗接种进展的意见转变。此外，在高峰期，两国近40%的人口对COVID-19疫苗持消极态度。此外，我们还调查了人们对不同疫苗品牌的看法。我们发现辉瑞疫苗最受人们欢迎。通过应用情感分析工具，我们发现大多数人对大多数品牌生产的COVID-19疫苗持正面看法。最后，利用LDA模型进行了主题建模。我们发现两国居民都愿意分享他们对疫苗的看法和感受。接种疫苗后发生了几例死亡病例。由于这些负面事件，美国居民更加担心疫苗的副作用和安全性。
2021-06-08 cs.CL cs.SI
Detecting the Presence of COVID-19 Vaccination Hesitancy from South African Twitter Data Using Machine Learning
本研究对3万条南非推文进行情感分析，对比LSTM、SVM、BERT等模型在检测COVID-19疫苗犹豫上的表现，发现BERT和RoBERTa的F1分数最高（60%和61%），并利用LDA对错分推文进行主题建模以探索改进方向。
2023-07-12 cs.CL cs.CY cs.LG
Detecting Conspiracy Theory Against COVID-19 Vaccines
Department of Computer Science University Of Houston（计算机科学系 休斯顿大学）
本研究针对社交媒体上COVID-19疫苗阴谋论，对598条评论进行情感分析，使用BERT和Perspective API检测情感与毒性，揭示阴谋论引发的社会危害及疫苗犹豫问题。
2022-11-20 cs.AI cs.CL cs.CY
Misinformation, Believability, and Vaccine Acceptance Over 40 Countries: Takeaways From the Initial Phase of The COVID-19 Infodemic
COVID-19疫情一直对全球人民的生活造成损害。伴随这一流行病而来的是一种信息流行病，大量和不受控制地传播可能有害的错误信息。信息流行病可能通过干扰公共卫生干预措施，如戴口罩，社交距离和疫苗接种，严重改变大流行的进程。特别是，信息流行病对疫苗接种的影响至关重要，因为它是恢复大流行前正常状态的关键。本文介绍了一项关于全球暴露于COVID-19信息流行病程度的全球调查结果，评估了不同人群对虚假声明的敏感性，并分析了其与疫苗接受度的关系。根据来自40个国家的18，400多人的回答，我们发现错误信息的可信度与疫苗接种犹豫之间存在很强的关联。此外，我们的研究表明，只有一半的在线用户接触到谣言可能会看到事实核查的信息。此外，根据国家的不同，6%至37%的人认为这些谣言是可信的。我们的调查还显示，较贫困地区更容易遇到和相信COVID-19错误信息。我们讨论了我们的研究结果对公共运动的影响，这些运动主动向更容易受到信息流行病影响的国家传播准确的信息。我们还强调了事实核查平台在更好地识别和优先考虑被认为可信并具有广泛曝光度的索赔方面的作用。我们的研究结果为在未来大流行的初始阶段更好地处理风险沟通提供了见解。
2021-04-22 cs.CY cs.SI
COVID-19 Antibody Test / Vaccination Certification: There's an app for that
目标：随着2019/2020冠状病毒大流行的展开，COVID-19“免疫护照”已被讨论，作为使个人重返工作岗位的一种方式。虽然抗体检测的质量、疫苗的可用性以及获得COVID-19免疫力的可能性仍在研究中，但我们解决了为检测结果和疫苗接种提供防篡改和隐私保护认证所涉及的问题。研究方法：我们开发了一个原型手机应用程序和必要的分散式服务器架构，便于即时验证防篡改测试结果。个人身份信息仅由用户自行决定存储，该应用程序允许最终用户选择性地仅呈现特定的测试结果，而不会透露其他个人信息。该架构专为可扩展性而设计，依赖于（a）2019年万维网联盟标准“可验证凭据”，（b）Tim Berners-Lee的分散式个人数据平台“固体”，以及（c）基于以太坊的联盟区块链。结果如下：我们的移动电话应用程序和分散式服务器架构以源自公钥/私钥对和数字签名的方式实现了可验证性和隐私性的混合，一般化以避免敏感数字密钥和/或数据的限制性所有权。基准性能测试表明，在最坏的情况下，它可以线性扩展，因为重要的处理都是在每个应用程序上本地完成的。对于测试证书持有者，颁发者（例如医疗保健人员，药房）和验证者（例如雇主），它只是“另一个应用程序”，只需几分钟即可使用。结论：应用程序和分散式服务器架构提供了一个概念的原型证明，该概念易于扩展，适用于一般情况，并且实际上“等待”生物学问题以及讨论部分中提出的关键伦理问题得到解决。
2020-06-28 cs.CR cs.CY cs.NI
Winds of Change: Impact of COVID-19 on Vaccine-related Opinions of Twitter users
在社会范围内接种COVID-19疫苗被认为是抵御COVID-19大流行的最合适方式。这一全球疫苗接种运动自然助长了支持Vaxxers和反对Vaxxers在社交媒体平台上强烈表达他们对疫苗的支持和担忧的可能性。理解这种在线话语对政策制定者至关重要。这一认识可能会影响疫苗接种工作的成功，甚至可能影响我们抗击这一大流行病的最终结果。这项工作的目标是提高这种理解使用Twitter话语数据的镜头。我们首先开发了一个分类器，它可以根据用户的疫苗相关立场对用户进行分类，精度高达97%。使用这种方法，我们检测和调查在COVID前和COVID时代发布疫苗的特定用户群体。具体来说，我们确定了这些用户谈论的不同话题，并调查了疫苗相关话语在新冠肺炎前和新冠肺炎后之间的变化。最后，我们首次调查了Twitter用户中与疫苗相关的立场的变化，并揭示了这种立场变化的潜在原因。我们的数据集和分类器可以在https://github.com/sohampoddar26/covid-vax-stance上找到。
2021-11-20 cs.CY cs.SI
