[论文解读] 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 12

一句话总结

本文提出了一种新颖的框架，通过分析用户如何构建疫苗犹豫的表述、其对这些表述的立场以及潜在的道德基础，来识别推特上的疫苗犹豫群体（VHPs）。采用结合道德基础的BERT立场识别方法，该方法从805,336名用户中识别出九种不同的VHPs，其中StanceId-Morality模型的宏平均F1得分为75.2，表明道德基础显著提升了基线方法的立场检测准确率。

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.

研究动机与目标

• 通过分析用户对新冠疫苗犹豫的表述方式，识别并描述推特上的疫苗犹豫现象。
• 理解道德基础在塑造用户对疫苗犹豫表述立场中的作用。
• 开发一种自动化系统，用于检测用户对特定疫苗犹豫表述的立场（接受/拒绝）。
• 基于表述、立场和本体论承诺，推导出可解释的疫苗犹豫群体（VHPs）。
• 使公共卫生从业者能够基于用户特定的犹豫群体特征，设计针对性的个性化干预措施。

提出的方法

• 从5,865,046条讨论新冠疫苗的推文中提取疫苗犹豫表述（VHFs）。
• 使用道德基础理论（Moral Foundations Theory）为每个VHF标注隐含的道德基础，以捕捉其潜在价值观。
• 利用增强有词汇、情感和语义图特征的BERT模型，识别用户对每个VHF的立场（接受/拒绝）。
• 通过Hopfield池化（$p=6$, $F=32$, $d=3$）的GAT层，将道德基础嵌入整合到立场识别中。
• 通过聚类用户在立场及其所引发的表述本体论承诺上的表现，推导出九种不同的疫苗犹豫群体（VHPs）。
• 在CoVaxFrames数据集上训练并评估模型，采用精确率、召回率和宏平均F1得分作为指标，训练采用10个周期调度和线性衰减的学习率。

实验结果

研究问题

• RQ1 推特用户如何表述其对新冠疫苗的犹豫，这些表述背后反映了哪些潜在的道德基础？
• RQ2 道德基础在多大程度上提升了对疫苗犹豫表述立场检测的准确性？
• RQ3 我们能否自动从用户立场和表述本体论中推导出不同的疫苗犹豫群体（VHPs）？
• RQ4 为何检测对表述的拒绝立场比检测接受立场更具挑战性，模型设计如何缓解这一问题？
• RQ5 VHPs如何为个性化疫苗推广提供公共卫生策略支持？

主要发现

• StanceId-Morality模型的宏平均F1得分为75.2，显著优于基线模型（69.1）和StanceId模型（72.4）。
• 该模型在检测拒绝立场方面表现尤为突出，尽管数据中拒绝立场仅占2,327个实例，属于数据中的少数类别。
• 通过Hopfield池化整合道德基础，显著提升了对接受与拒绝立场的识别能力，验证了道德基础在表述理解中的关键作用。
• 推导出九种不同的疫苗犹豫群体，其中17%被归类为‘激励者’，16%为‘激励者’，11%为‘去激励者’，22%为‘未决定’。
• 最常见的群体是‘未决定’（22%），其次是‘激励者’（16%）和‘去激励者’（11%），表明相当大一部分用户具有可说服性。
• 研究证实，疫苗犹豫并非仅由错误信息驱动，还受到信任流失、健康素养和公民权利关切的影响，这些均体现在相关表述中。