[논문 리뷰] Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings

Harshita Chopra, Aniket Vashishtha외 4명|arXiv (Cornell University)|2021. 04. 02.

Misinformation and Its Impacts참고 문헌 24인용 수 9

한 줄 요약

이 연구는 인도, 미국, 브라질, 영국, 호주 5개국의 트위터 데이터를 이용해 2020년 6월부터 2021년 4월까지 코로나19 백신 관련 정서의 시간적 변화와 영향 요인을 분석한다. 어휘 임bedding과 시드 단어로부터의 코사인 거리 분석을 통해 수행되었으며, 백신 수용 저항은 주로 건강 영향과 가장 밀접하게 연관되어 있으며, 지리적 차이가 뚜렷하고 백신 승인 이후 정서 경향에 뚜렷한 변화가 있었음을 확인했다. 특히 인도의 두 번째 유행기 동안 이러한 경향이 두드러졌다.

ABSTRACT

Social media plays a pivotal role in disseminating news globally and acts as a platform for people to express their opinions on various topics. A wide variety of views accompanies COVID-19 vaccination drives across the globe, often colored by emotions, which change along with rising cases, approval of vaccines, and multiple factors discussed online. This study aims at analyzing the temporal evolution of different Emotion categories: Hesitation, Rage, Sorrow, Anticipation, Faith, and Contentment with Influencing Factors: Vaccine Rollout, Misinformation, Health Effects, and Inequities as lexical categories created from Tweets belonging to five countries with vital vaccine roll-out programs, namely, India, United States of America, Brazil, United Kingdom, and Australia. We extracted a corpus of nearly 1.8 million Twitter posts related to COVID-19 vaccination. Using cosine distance from selected seed words, we expanded the vocabulary of each category and tracked the longitudinal change in their strength from June 2020 to April 2021. We used community detection algorithms to find modules in positive correlation networks. Our findings suggest that tweets expressing hesitancy towards vaccines contain the highest mentions of health-related effects in all countries. Our results indicated that the patterns of hesitancy were variable across geographies and can help us learn targeted interventions. We also observed a significant change in the linear trends of categories like hesitation and contentment before and after approval of vaccines. Negative emotions like rage and sorrow gained the highest importance in the alluvial diagram. They formed a significant module with all the influencing factors in April 2021, when India observed the second wave of COVID-19 cases. The relationship between Emotions and Influencing Factors was found to be variable across the countries.

연구 동기 및 목표

• 코로나19 백신에 대한 공중 정서가 트위터에서 시간에 따라 어떻게 변화했는지 이해하기 위해.
• 백신 보급, 오락성 정보, 건강 영향, 불평등과 같은 핵심 요인들이 백신 관련 정서에 미치는 영향을 식별하고 추적하기 위해.
• 주요 5개국(인도, 미국, 브라질, 영국, 호주)에서 백신 신념 추세의 지리적 변동성을 검토하기 위해.
• 정서 영향자 네트워크의 커뮤니티 구조를 탐지하여 정서 집합 패턴을 밝혀내기 위해.
• 백신 승인 및 패닉 유행과 같은 주요 사건이 정서 정서 변화에 미치는 영향을 평가하기 위해.

제안 방법

• 시드 단어를 이용해 6개 정서(저항, 분노, 슬픔, 기대, 신뢰, 만족)와 4개 영향 요인(백신 보급, 오락성 정보, 건강 영향, 불평등)의 어휘 범주를 구성하였다.
• 단어 임베딩과 코사인 거리를 사용하여 2020년 6월부터 2021년 4월까지 각 어휘 범주의 강도를 시간에 따라 확장하고 추적하였다.
• 인도, 미국, 브라질, 영국, 호주의 약 180만 건의 백신 관련 트위터 트윗 코퍼스를 분석하였다.
• 정서와 영향 요인 간의 양적 상관관계 네트워크에서 모듈을 식별하기 위해 커뮤니티 탐지 알고리즘을 적용하였다.
• 모든류 다이어그램을 사용하여 정서 및 요인의 주목도 변화를 시각화하여 종단적 추세를 설명하였다.
• 각 국가의 공식 백신 승인 전후의 정서 추세 변화를 추적하였다.

실험 결과

연구 질문

• RQ1 팬데믹 기간 동안 다양한 국가에서 백신 관련 정서(예: 저항, 분노, 만족)의 시간적 추세는 어떻게 변화하는가?
• RQ2 오락성 정보, 건강 영향, 불평등과 같은 특정 영향 요인들이 백신 관련 정서의 강도와 어떤 관계가 있는가?
• RQ3 백신 승인이 정서적 저항과 긍정적 정서의 종단적 추세에 어떤 영향을 미쳤는가?
• RQ4 특정 팬데믹 사건(예: 인도의 두 번째 유행) 기간 동안 가장 높은 주목도를 보인 정서 범주는 무엇인가?
• RQ5 정서-영향자 네트워크의 커뮤니티 구조는 국가별로나 시간대별로 어떻게 다를까?

주요 결과

• 모든 5개국에서 백신 수용 저항은 건강 관련 영향과 가장 강하게 연관되어 있었으며, 이는 안전 우려가 회의주의의 주요 원동력임을 시사한다.
• 저항과 만족의 선형 추세는 백신 승인 전후에서 뚜렷한 변화를 보였으며, 공식 승인이 공중 정서에 측정 가능한 영향을 미쳤음을 시사한다.
• 모든류 다이어그램에서 부정적 정서—특히 분노와 슬픔—이 가장 높은 주목도를 보였으며, 특히 2021년 4월 인도의 두 번째 유행 기간에 두드러졌다.
• 2021년 4월에 분노와 슬픔이 모든 영향 요인과 연결된 강력한 정서 모듈이 형성되었으며, 이는 위기 정점에서 정서 강도가 급격히 상승했음을 시사한다.
• 정서와 영향 요인 간의 관계는 국가 간에 뚜렷한 차이를 보였으며, 각기 다른 사회정치적 및 역학적 맥락을 반영하고 있었다.
• 커뮤니티 탐지 결과, 인도와 브라질와 같은 국가에서는 정서 클러스터가 특정 요인과 더 견고하게 연결되어 있어 지역 특화된 정서 역학을 시사한다.