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
Vaccine Hesitancy on YouTube: a Competition between Health and Politics
本研究通过3个月每日收集YouTube疫苗相关视频，发现反对疫苗内容多涉政治，且仅2.7%被下架，揭示平台审核不足，为公共卫生传播提供洞见。
2025-07-10 cs.CY 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
Human Values and Attitudes towards Vaccination in Social Media
心理、政治、文化甚至社会因素都与疫苗接种的推理和决策过程纠缠在一起，使疫苗犹豫成为一个复杂的问题。在这里，通过Facebook托管的应用程序管理一系列调查，我们研究了“喜欢”支持性或疫苗弹性Facebook页面的人的世界观。特别是，我们评估了在政治观点，道德价值观，人格特质和一般利益的差异，发现那些怀疑疫苗接种，似乎不太信任政府，不太令人愉快，而他们更强调反独裁的价值观。探索Facebook页面语言描述中所表达的道德叙事的差异，我们看到捍卫疫苗的页面优先考虑家庭的价值，而疫苗犹豫页面则关注自由的价值。最后，根据Facebook页面上与健康相关的喜好创建嵌入，我们探索了对疫苗犹豫不决的人的共同潜在兴趣，表现出对自然疗法的强烈偏好。这一探索性分析旨在探索社交媒体平台作为感知工具的潜力，为研究人员和政策制定者提供从数字痕迹中得出的见解，这些见解可以帮助设计建立信心的传播活动，这些活动基于也符合人们社会道德标准的价值观。
2019-05-23 cs.CY cs.SI
Cultural-aware Machine Learning based Analysis of COVID-19 Vaccine Hesitancy
University of Florida（佛罗里达大学）
本文提出一种文化感知机器学习模型预测COVID-19疫苗接种意愿，并结合PGM和SHAP分析关键影响因素，揭示不同族裔受文化、信任、谣言和政治归属影响的差异。
2023-04-14 cs.LG cs.SI
Polarization of the Vaccination Debate on Facebook
疫苗犹豫已被认为是一个主要的全球健康威胁。在社交媒体上获得任何类型的信息都被认为是犹豫的一个潜在的强大影响因素。最近在疫苗接种以外的其他领域进行的研究表明，通过互联网在没有中间人的情况下获得大量内容，导致两极化群体中的用户严重隔离。用户选择的信息坚持自己的信念系统，并倾向于忽略不同意的信息。在本文中，我们评估是否有两极分化的社会媒体使用在疫苗接种领域。我们对Facebook进行了全面的定量分析，分析了260万用户在7年零5个月的时间内与298.018个帖子进行互动。我们使用了社区发现算法来自动地从用户的活动中检测出新出现的社区，并量化社区随着时间的推移的凝聚力。我们的研究结果表明，关于疫苗的内容消费主要是由回声室效应和极化增加多年。社区来自用户的消费习惯，即大多数用户只消费支持或反对疫苗的信息，而不是两者兼而有之。回声室的存在可以解释为什么提供准确信息的社交媒体运动可能影响有限，可能只在亚群体中有效，甚至可能进一步煽动意见两极分化。将不同意见引入分组被忽视，可能产生适得其反的效果，进一步加强分组内的现有意见。
2018-01-09 cs.SI
COVID-19 Vaccine Hesitancy and Information Diffusion: An Agent-based Modeling Approach
尽管针对Cov-SARS-2的几种有效疫苗的快速开发取得了前所未有的成功，但全球疫苗接种推广工作受到疫苗分配不平等和疫苗接受程度的影响，导致疫苗产品提供的公众免疫力不足。虽然目前疫苗接受研究的一个主要焦点是如何根据社会人口参数对疫苗接受进行建模和通报，但疫苗接受的特征尚未得到很好的理解，特别是不知道信息传播是否以及如何影响疫苗接受。本研究探讨如何信息扩散可以改变疫苗接受开发一个全面的计算模型与基于代理的模拟技术，以克服建模和量化的复杂性与社会人口统计，疫苗类型，人口统计和信息扩散。我们的分析，从加拿大各省和地区的疫苗接受调查数据校准，提供了明确的证据表明，信息的传播可以极大地影响疫苗接受率。研究结果表明，有关COVID-19疫苗的负面信息的传播可能会导致对疫苗的重大犹豫，这对疫苗提供高公众免疫力的目标构成挑战。我们的发现可能有助于解决疫苗犹豫问题，更多地关注个人的意见和行为。
2021-09-02 cs.MA cs.SI physics.soc-ph
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
From Pro, Anti to Informative and Hesitant: An Infoveillance study of COVID-19 vaccines and vaccination discourse on Twitter
本研究通过大规模带地理标签的Twitter数据集GeoCovaxTweets Extended，分析38个月内COVID-19疫苗话语，发现多数推文与疫情无关，且话语随接种进展转向支持与信息性，为公共卫生传播提供洞见。
2024-03-14 cs.SI physics.soc-ph
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
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
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
COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies
有关COVID-19疫苗的虚假声明可能会破坏公众对正在进行的疫苗接种活动的信任，从而对全球公共卫生构成威胁。自2019冠状病毒病疫情开始以来，源自各种来源的错误信息一直在网上传播。在本文中，我们提出了一个Twitter帖子的数据集，这些帖子表现出强烈的反疫苗立场。该数据集由两部分组成：a）以关键字为中心的流媒体数据汇集，其中包含超过180万条推文; b）历史账户级别的收集，其中包含超过1.35亿条推文。前者利用Twitter流媒体API，从2020年10月中旬开始跟踪一组特定的疫苗相关关键词。后者包括7万个账户的所有历史推文，这些账户参与了反疫苗叙事的积极传播。我们提出了描述性分析，显示随着时间的推移，地理分布，主题，新闻来源和推断帐户政治倾向的活动量。该数据集可用于研究社交媒体上的反疫苗错误信息，并使人们更好地了解疫苗犹豫。根据Twitter的服务条款，我们的匿名数据集可在以下网址公开获取：https://github.com/gmuric/avax-tweets-dataset
2021-05-14 cs.CY 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
Evidence of disorientation towards immunization on online social media after contrasting political communication on vaccines. Results from an analysis of Twitter data in Italy
背景在意大利，近年来，作为MMR的关键免疫接种覆盖率一直下降到令人担忧的低水平。2017年，意大利政府扩大了强制免疫接种的数量，对未接种疫苗的儿童家庭进行了处罚。在2018年大选期间，免疫政策进入了政治辩论，负责政府指责反对派助长了疫苗怀疑论。2018年成立的新政府暂时放松了处罚。目标和方法。通过对2018年期间用意大利语发布的推文进行情感分析，我们旨在：（i）描述Twitter上疫苗传播的时间流特征（ii）评估疫苗接种意见的极性和Twitter数据对估计疫苗接种参数的有用性，以及（iii）调查最高政治层的对比公告是否可能导致意大利公众迷失方向。结果与疫苗相关的推特互动在回应主要政治事件时达到峰值。在保留的推文中，70.0%的推文支持接种疫苗，16.5%的推文反对接种疫苗，13.6%的推文犹豫不决。极性比例的平滑时间序列表现出频繁的大的变化，有利的比例，增强了向上和向下的趋势与政府之间的切换同步，这表明公众之间的迷失方向的证据。结论报告的迷失方向的证据表明，关键的免疫接种话题，永远不应该被用于政治共识。考虑到在线社交媒体作为信息源的作用日益增强，这一点尤其如此，因为这可能会屈服于最终对疫苗接种有害的社会压力，而Twitter上缺乏机构存在则使情况更加恶化，需要努力对比错误信息和随之而来的犹豫不决的蔓延。
2021-04-04 cs.SI stat.ML
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
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
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
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
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
COVID-19 Vaccine Misinformation Campaigns and Social Media Narratives
University of Southern California（南加州大学）
COVID-19疫苗的犹豫增加了人们对克服大流行和保护公众健康所需的疫苗接种的担忧。与反疫苗态度相关的一个关键因素是社交媒体上分享的信息。在这项工作中，我们调查了可能导致COVID-19疫苗犹豫的错误信息社区和叙述。疫情期间，社交媒体上反科学和政治错误信息/阴谋猖獗。因此，我们调查了收集的关于COVID-19疫苗的Twitter数据中的错误信息和阴谋集团及其特征行为。我们确定是否存在任何可疑的协调努力，以促进疫苗的错误信息，并发现两个可疑的团体-一个促进“大重置”阴谋，这表明大流行是由世界领导人精心策划的，以控制经济，与疫苗有关的错误信息和强烈的反疫苗和反社会信息，如没有封锁;另一个促进生物武器理论。被宣传的错误信息主要来自反疫苗和极右翼社区，在转发图的3个核心中，其推文中阴谋和可疑来源的比例要高得多。与主流和健康新闻相比，右倾社区更受反疫苗和极右翼社区的影响，这也反映在美国左翼和右翼各州截然不同的疫苗接种率上。除了其他行为差异外，错误信息社区在疫苗或其他讨论中也比其他社区更有发言权。
2022-04-01 cs.CY cs.LG cs.SI
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
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
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
VaccinItaly: monitoring Italian conversations around vaccines on Twitter and Facebook
我们在Twitter和Facebook上介绍了VaccinItaly，这是一个监测意大利关于疫苗的在线对话的项目。我们描述了正在进行的数据汇集，这是继SARS-CoV-2疫苗接种运动在意大利推出，我们提供公众访问收集的数据。我们展示了对两个社交媒体平台上与疫苗相关对话一起分享的低可信度和高可信度新闻传播的初步分析结果。我们还调查了最受欢迎的YouTube视频的内容，并遇到了几个关于疫苗的有害和误导性内容的案例。最后，我们对讨论疫苗的Twitter用户进行地理定位，并将他们的活动与疫苗摄取的开放数据统计数据相关联。我们通过与项目相关的交互式在线仪表板向公众提供最新结果。我们项目的目标是进一步了解在线社交媒体上的公共话语与现实世界中疫苗接种动态之间的相互作用。
2021-05-04 cs.SI
Improved Target-specific Stance Detection on Social Media Platforms by Delving into Conversation Threads
Hong Kong Baptist University（香港浸会大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；The University of Hong Kong（香港大学）
社交媒体上特定于目标的立场检测旨在将帖子或评论等文本数据实例分类到目标问题的立场类别中，已成为一种新兴的重要观点挖掘范式。一个应用实例是克服疫苗在抗击冠状病毒大流行方面的犹豫。然而，现有的姿态检测策略仅依赖于单个实例，不能总是捕获给定目标的表达姿态。作为回应，我们提出了一个新的任务，称为会话姿态检测，这是推断对给定目标的姿态（例如，当给定数据实例及其对应的会话线程时。为了解决这个问题，我们首先提出了一个基准会话立场检测（CSD）数据集的立场和会话线程的结构的注释之间的实例基于六个主要的社交媒体平台在香港。为了从数据实例和会话线程中推断出所需的立场，我们提出了一个名为Branch-BERT的模型，该模型将上下文信息纳入会话线程中。在CSD数据集上的大量实验表明，我们提出的模型优于所有不使用上下文信息的基线模型。具体而言，与SemEval-2016任务6竞赛中的最先进方法相比，它将F1分数提高了10.3%。这表明了在社交媒体平台上检测目标特定立场时结合丰富的上下文信息的潜力，并暗示了构建未来立场检测任务的更实用的方法。
2022-11-06 cs.CL cs.SI
COVID-19 Twitter Sentiment Classification Using Hybrid Deep Learning Model Based on Grid Search Methodology
Indian Institute of Information Technology, Nagpur（印度信息技术学院，那格浦尔）；Shri Ramdeobaba College of Engineering & Management, Nagpur（什里·拉姆德奥巴巴工程与管理学院，那格浦尔）；Institute of Engineering and Technology, Devi Ahilya Vishwavidyalaya, Indore（德维·阿希利亚大学工程与技术学院，印多尔）
本文针对 COVID-19 疫苗接种犹豫问题，提出八种基于嵌入、深度学习与网格搜索的混合模型进行 Twitter 情感分类，其中 BERT+CNN+GS 组合准确率达 98.86%，较现有工作提升 2.11% 至 14.46%。
2024-06-11 cs.CL cs.SI
