[論文レビュー] Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings

Harshita Chopra, Aniket Vashishtha+4 more|arXiv (Cornell University)|Apr 2, 2021

Misinformation and Its Impacts参考文献 24被引用数 9

ひとこと要約

本研究では、インド、米国、ブラジル、英国、オーストラリアの5か国におけるTwitterデータを用いて、語彙埋め込みとシード語からのコサイン距離を用い、新型コロナウイルス感染症ワクチン関連の感情の時間的変化とその影響要因を分析した。ワクチン接種の遅れは、健康への影響と強く関連しており、地理的差異が顕著に現れ、特にインドの第2波期におけるワクチン承認後の感情トレンドに顕著な変化が見られた。

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.

研究の動機と目的

• 新型コロナウイルス感染症ワクチンに対する公的関心の時間的変化を、Twitter上で理解すること。
• ワクチン接種の進行、誤情報、健康への影響、格差といった主な要因がワクチン関連感情に与える影響を特定・追跡すること。
• ワクチン接種が大幅に進んだ5か国におけるワクチン信頼度の地理的変動を検討すること。
• 感情に影響を与えるネットワーク内のコミュニティ構造を検出することで、感情のクラスタリングパターンを解明すること。
• ワクチン承認やパンデミックの波といった主要な出来事が、感情の変化に与える影響を評価すること。

提案手法

• シード語を用いて、6つの感情（接種のためのためらい、怒り、悲しみ、期待、信頼、満足）と4つの影響要因（ワクチン接種の進行、誤情報、健康への影響、格差）の語彙的カテゴリーを構築した。
• 単語埋め込みとコサイン距離を用い、2020年6月から2021年4月までの期間にわたり、各語彙的カテゴリーの強度を拡張し、時間的推移を追跡した。
• インド、米国、ブラジル、英国、オーストラリアのワクチン関連ツイート約180万件のコーパスを分析した。
• 感情と影響要因の正の相関ネットワークにおけるモジュールを特定するためにコミュニティ検出アルゴリズムを適用した。
• 全ラビュール図を用いて縦断的なトレンドを可視化し、感情および要因の優位性の変化を説明した。
• 各国の公式ワクチン承認前後における感情トレンドの変化を追跡した。

実験結果

リサーチクエスチョン

• RQ1 パンデミック期間中に、ワクチン関連の感情（たとえば、ためらい、怒り、満足）の時間的トレンドは、異なる国々でどのように変化するか？
• RQ2 誤情報、健康への影響、格差といった特定の要因と、ワクチン関連感情の強度の間にはどのような関係があるか？
• RQ3 ワクチンの承認は、ワクチン接種のためのためらいと肯定的 emotions の縦断的トレンドにどのような影響を与えたか？
• RQ4 インドの第2波のような重要なパンデミックの出来事の時期に、どの感情カテゴリーが最も顕著に現れたか？
• RQ5 感情-影響要因ネットワークにおけるコミュニティ構造は、国や時間帯によってどのように異なるか？

主な発見

• ワクチン接種のためのためらいは、5か国すべてで健康関連の影響と強く関連しており、安全性への懸念が懸念の主な要因であることが示された。
• ためらいと満足の線形トレンドは、ワクチン承認前後で顕著な変化を示しており、公式承認が公的認識に測定可能な影響を与えたことが示唆された。
• 全ラビュール図において、特に2021年4月のインドの第2波期に、怒りと悲しみといった否定的 emotions が最も顕著に現れた。
• 2021年4月に、怒りと悲しみがすべての影響要因と結びついた強い感情モジュールが形成された。これは、危機のピーク期に感情の強度が著しく高まったことを示している。
• 感情と影響要因の関係は、国ごとに顕著に異なり、それぞれの社会的・政治的・疫学的文脈の違いが反映されていた。
• コミュニティ検出により、インドやブラジルのような国では、感情クラスタが特定の要因に強く結びついていることが判明し、地域特有の感情ダイナミクスが示された。