[論文レビュー] From Hesitancy Framings to Vaccine Hesitancy Profiles: A Journey of Stance, Ontological Commitments and Moral Foundations

Maxwell Weinzierl, Sanda M. Harabagiu|arXiv (Cornell University)|Feb 18, 2022

Misinformation and Its Impacts被引用数 12

ひとこと要約

本稿では、ユーザーが接種に対する懸念をどのようにフレーミングしているか、そのフレーミングに対するスタンス、およびその背後にある道徳的基盤を分析することにより、Twitter上でのワクチン接種への懸念のパターン（Vaccine Hesitancy Profiles: VHPs）を同定する新規フレームワークを提案する。BERTベースのスタンス認識に道徳的基盤を統合した手法を用い、805,336人のユーザーから9つの明確に区別できるVHPsを同定した。StanceId-MoralityモデルはマクロF1スコア75.2を達成し、ベースライン手法やStanceIdモデル（72.4）を上回った。これは、道徳的基盤の統合がスタンス検出の精度を顕著に向上させることを示している。

ABSTRACT

While billions of COVID-19 vaccines have been administered, too many people remain hesitant. Twitter, with its substantial reach and daily exposure, is an excellent resource for examining how people frame their vaccine hesitancy and to uncover vaccine hesitancy profiles. In this paper we expose our processing journey from identifying Vaccine Hesitancy Framings in a collection of 9,133,471 original tweets discussing the COVID-19 vaccines, establishing their ontological commitments, annotating the Moral Foundations they imply to the automatic recognition of the stance of the tweet authors toward any of the CoVaxFrames that we have identified. When we found that 805,336 Twitter users had a stance towards some CoVaxFrames in either the 9,133,471 original tweets or their 17,346,664 retweets, we were able to derive nine different Vaccine Hesitancy Profiles of these users and to interpret these profiles based on the ontological commitments of the frames they evoked in their tweets and on value of their stance towards the evoked frames.

研究の動機と目的

• COVID-19ワクチンに対する懸念を、ユーザーがどのようにフレーミングしているかを分析することにより、Twitter上でのワクチン接種への懸念を同定・プロファイリングすること。
• 道徳的基盤が、ユーザーのワクチン接種への懸念フレーミングに対するスタンスをどのように形成しているかを理解すること。
• 特定のワクチン接種への懸念フレーミングに対して、ユーザーのスタンス（賛成／反対）を自動的に検出するためのシステムを開発すること。
• フレーミング、スタンス、および本体論的コミットメントに基づいて解釈可能なワクチン接種への懸念プロファイル（Vaccine Hesitancy Profiles: VHPs）を導出すること。
• 公衆衛生の専門家が、ユーザー固有の懸念プロファイルに基づいて、ターゲットを絞ったパーソナライズされた介入施策を設計できるようにすること。

提案手法

• COVID-19ワクチンを議論する5,865,046件のツイートを特定し、ワクチン接種への懸念フレーミング（Vaccine Hesitancy Framings: VHFs）を抽出した。
• 各VHFに内在する道徳的基盤（Moral Foundations Theory）を明示的にアノテートすることで、背後にある価値観を捉えた。
• 語彙的特徴、感情的特徴、および意味的グラフ特徴を統合したBERTベースのモデルを用い、各VHFに対するユーザーのスタンス（賛成／反対）を認識した。
• 道徳的基盤埋め込みをスタンス認識に統合するために、Hopfieldプーリングを適用し、$p=6$, $F=32$, $d=3$ のGAT層を用いた。
• ユーザーのスタンスおよびそのフレーミングが示す本体論的コミットメントに基づいてクラスタリングを行い、9つの明確に区別できるワクチン接種への懸念プロファイル（VHPs）を導出した。
• CoVaxFramesデータセットを用い、10エポックのスケジュールと線形に減少する学習率を適用して、精度、再現率、マクロF1スコアを用いてモデルを訓練・評価した。

実験結果

リサーチクエスチョン

• RQ1 Twitter上でのユーザーは、COVID-19ワクチンに対する懸念をどのようにフレーミングしているのか。また、そのフレーミングに内在する道徳的基盤は何か。
• RQ2 道徳的基盤の統合は、ワクチン接種への懸念フレーミングに対するスタンス検出の精度をどの程度向上させるか。
• RQ3 ユーザーのスタンスとフレーミングの本体論的構造から、自動的に明確に区別できるワクチン接種への懸念プロファイル（VHPs）を導出できるか。
• RQ4 なぜフレーミングの反対スタンスの検出が賛成スタンスの検出よりも困難であり、モデル設計はその課題をどのように軽減できるか。
• RQ5 VHPsは、パーソナライズされたワクチン推進戦略の立案にどのように寄与できるか。

主な発見

• StanceId-MoralityモデルはマクロF1スコア75.2を達成し、ベースライン（69.1）およびStanceIdモデル（72.4）を顕著に上回った。
• モデルの性能は、データ中にわずか2,327件と少数派であった反対スタンスの検出において特に向上した。
• Hopfieldプーリングによる道徳的基盤の統合は、賛成および反対の両方のスタンス認識を向上させ、フレーミング解釈における道徳的基盤の役割を裏付けた。
• 9つの明確に区別できるワクチン接種への懸念プロファイルが導出された。その内訳は、17%が「動機付けられる者」、16%が「動機付けられる者」、11%が「動機を失った者」、22%が「未決定」であった。
• 最も一般的なプロファイルは「未決定」（22%）で、次に「動機付けられる者」（16%）と「動機を失った者」（11%）が続いた。これは、多くのユーザーが説得に開放的であることを示している。
• 本研究は、ワクチン接種への懸念が誤情報の単一要因によって生じるのではなく、信頼の損なわれ方、健康リテラシー、市民権利の懸念といった要因によっても形成されることを確認した。これは、フレーミングに反映されている。