[논문 리뷰] From Hesitancy Framings to Vaccine Hesitancy Profiles: A Journey of Stance, Ontological Commitments and Moral Foundations

Maxwell Weinzierl, Sanda M. Harabagiu|arXiv (Cornell University)|2022. 02. 18.

Misinformation and Its Impacts인용 수 12

한 줄 요약

이 논문은 사용자가 코로나19 백신에 대한 혐오를 어떻게 프레임화하는지, 그 프레임에 대한 입장을 어떻게 취하는지, 그리고 그 뒤에 있는 도덕적 기초를 분석함으로써 트위터에서 백신 수용 불안정도 프로필(Vaccine Hesitancy Profiles, VHPs)을 식별하는 혁신적인 프레임워크를 제안한다. 도덕적 기초 통합을 통한 BERT 기반의 입장 식별 기법을 사용하여 805,336명의 사용자로부터 9개의 구별되는 VHPs를 도출하였으며, StanceId-Morality 모델은 매크로 F1 스코어 75.2를 기록하여 도덕적 기초가 기존 기준 모델 대비 입장을 더 정확하게 식별하는 데 기여함을 입증한다.

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.

연구 동기 및 목표

• 사용자가 코로나19 백신에 대해 어떻게 불안정도를 프레임화하는지 분석함으로써 트위터에서 백신 수용 불안정도를 식별하고 프로필화하는 것.
• 사용자의 백신 수용 불안정도 프레임에 대한 입장을 형성하는 데 도덕적 기초가 어떻게 기여하는지 이해하는 것.
• 특정 백신 수용 불안정도 프레임에 대한 사용자 입장(수용/기각)을 자동으로 식별하는 시스템을 개발하는 것.
• 프레임, 입장, 철학적 기반에 기반한 해석 가능한 백신 수용 불안정도 프로필(Vaccine Hesitancy Profiles, VHPs)을 도출하는 것.
• 공중보건 전문가들이 사용자 기반 불안정도 프로필에 기반해 맞춤형, 개인화된 간병 전략을 수립할 수 있도록 하는 것.

제안 방법

• 코로나19 백신을 다룬 5,865,046개의 트윗을 식별하여 백신 수용 불안정도 프레임(Vaccine Hesitancy Framings, VHFs)을 추출한다.
• 각 VHF에 대해 암시된 도덕적 기초(Moral Foundations Theory)를 주석 처리하여 배경 가치를 포착한다.
• 어휘적, 정서적, 의미적 그래프 특징을 통합한 BERT 기반 모델을 사용하여 사용자의 각 VHF에 대한 입장(수용/기각)을 식별한다.
• 도덕적 기초 임베딩을 입장 식별에 통합하기 위해 $p=6$, $F=32$, $d=3$의 GAT 레이어를 사용한 Hopfield 풀링을 적용한다.
• 사용자의 입장과 프레임이 유도한 철학적 기반에 기반해 클러스터링을 통해 9개의 구별되는 백신 수용 불안정도 프로필(Vaccine Hesitancy Profiles, VHPs)을 도출한다.
• 10에포크 스케줄과 선형 감소 학습률을 사용하여 CoVaxFrames 데이터셋에서 모델을 훈련하고 평가하며, 정밀도, 재현율, 매크로 F1 스코어를 사용한다.

실험 결과

연구 질문

• RQ1 트위터 사용자들은 코로나19 백신에 대해 불안정도를 어떻게 프레임화하며, 이러한 프레임에 뒤이은 도덕적 기초는 무엇인가?
• RQ2 도덕적 기초는 백신 수용 불안정도 프레임에 대한 입장 식별 정확도를 어느 정도 향상시키는가?
• RQ3 사용자 입장과 프레임 철학적 기반을 기반으로 자동으로 구별되는 백신 수용 불안정도 프로필(Vaccine Hesitancy Profiles, VHPs)을 도출할 수 있는가?
• RQ4 왜 프레임 기각을 식별하는 것이 수용을 식별하는 것보다 더 어렵고, 모델 설계는 이를 어떻게 완화할 수 있는가?
• RQ5 VHPs는 개인화된 백신 홍보 전략 수립에 어떻게 기여할 수 있는가?

주요 결과

• StanceId-Morality 모델은 매크로 F1 스코어 75.2를 기록하여 기준 모델(69.1)과 StanceId 모델(72.4)을 뛰어넘는 성능을 보였다.
• 모델 성능은 특히 데이터에 존재하는 비율이 낮은 기각 입장(전체 2,327건)을 식별하는 데서 뚜렷하게 향상되었다.
• Hopfield 풀링을 통한 도덕적 기초 통합은 수용 및 기각 입장 모두의 식별 정확도를 향상시켜, 도덕적 기초가 프레임 해석에 중요한 역할을 함을 입증했다.
• 9개의 구별되는 백신 수용 불안정도 프로필이 도출되었으며, 그 중 17%는 동기부여자(Motivators), 16%는 동기부여자(Motivators), 11%는 동기저하자(Demotivated), 22%는 미정의(Undecided)로 분류되었다.
• 가장 흔한 프로필은 '미정의'(22%)였고, 이어 '동기부여자'(16%)와 '동기저하자'(11%)가 뒤이었다. 이는 상당수의 사용자가 설득 가능하다는 것을 시사한다.
• 본 연구는 백신 수용 불안정도가 오직 오해 정보의 영향 때문만은 아니며, 신뢰 저하, 건강 인지 수준, 시민권 문제 등도 반영된 프레임을 통해 드러남을 확인한다.