Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

los mensajes de la Anti-vacunación se extienden más fácilmente que el positivo unos en Twitter, investigadores encuentra

En Twitter, un servicio popular el microblogging y del social-establecimiento de una red, declaraciones sobre vacunas puede tener efectos inesperados -- los mensajes positivos pueden petardear, según personas de los investigadores del Estado de Penn llevados por Marcelo Salath-, un profesor adjunto de la biología. Las personas rastrearon la favorable-vacuna y los mensajes de la anti-vacuna a los cuales expusieron a los utilizadores de Twitter y después observaron cómo esos utilizadores expresaron sus propios sentimientos sobre una nueva vacuna para la gripe de combate H1N1 -- una variedad de virus responsable de gripe de cerdos. Los resultados, que pueden ayudar a responsables de Sanidad a perfeccionar las estrategias para los esfuerzos de la vacunación-percatación, serán publicados en la ciencia de los datos del gorrón EPJ en el horario de verano del este de los E.E.U.U. del mediodía del 12:00 (GMT del 5:00 P.M.) el 4 de abril de 2013.

Los investigadores comenzaron amontonando todos los píos con palabras claves vacunación-relacionadas y frases durante el pandémico 2009 H1N1. Entonces rastrearon los sentimientos de los utilizadores sobre la vacuna H1N1. Para clasificación a través y categorizar los píos, Salath-- las personas pidieron que los estudiantes del Estado de Penn valoraran un subconjunto al azar de cerca de 10 por ciento y ellos como positivo, negativo, neutral, o inútil. Por ejemplo, un pío que expresa un deseo de conseguir la vacuna H1N1 sería considerado positivo, mientras que un pío que expresa la creencia que el daño vaccíneo de las causas sería considerado negativo. Un pío referente a una diversa vacuna; por ejemplo, la vacuna de la hepatitis B, sería considerada inútil.

Después, las personas utilizaron los aforos de los estudiantes para diseñar un algoritmo de la computador para catalogar el 90 por ciento restante de los píos según los sentimientos que él expresó. “Los píos humano-clasificados sirvieron como “aprendizaje del equipo” que utilizamos “enseñamos” la computador a cómo valorar los píos exacto,” Salath- explicamos. Después de que los píos fueran analizados por el algoritmo de la computador, la anotación final era sentimientos positivos, negativos, o neutrales de la expresión de 318.379 píos sobre la vacuna H1N1.

Después de categorizar los píos, su las personas de Salath- y entonces desarrollaron un modelo estadístico con la información incluyendo el número de microbloggers que cada utilizador de Twitter era siguiente. Además, los investigadores registrados si ésos siguieron microbloggers tendieron a piar negativo o positivo sobre la vacuna H1N1. También fue incluido en el modelo el número de los píos negativos o del positivo cada uno de los microbloggers seguidos enviados. “Cuánto la favorable-vacuna o los individuos de la anti-vacuna un utilizador de Twitter sigue es apenas una dimensión. También importante es cuántos negativos o positivo pia cada microblogger seguido después difunde a sus seguidores,” Salath- dijo. “Puede ser que sea que un utilizador de Twitter sigue solamente 5 microbloggers de la anti-vacuna, pero si esos 5 microbloggers todos envían 10 píos negativos por el día, que pudo tener un impacto importante.” Otro mide incluido en el modelo estadístico era el número de cada utilizador de Twitter de utilizadores recíprocos -- cuántos pares de microbloggers se seguían -- y la historia de propios píos los negativos de los seguidores y del positivo.

El primer encontrar inesperado de las personas era que la exposición al sentimiento negativo era contagiosa, mientras que no era la exposición a los sentimientos positivos. La “causa-efecto es difícil de desenredar en datos tales como éstos, así que podemos especular solamente sobre porqué vimos esto suceso,” Salath- dijimos. “Sea cual sea la razón, la observación es preocupante porque sugiere que las opiniones negativas sobre la vacunación puedan extenderse más fácilmente que opiniones positivas.”

El encontrar en segundo lugar inesperado de las personas era que los microbloggers con lazos más recíprocos de Twitter tendidos para ser influenciado diferentemente dependiendo de si los sentimientos vaccíneos de sus conexiones eran positivos o negativos. “Encontramos que, en lazos microblogging recíprocos, los sentimientos negativos eran más social contagiosos que sentimientos positivos,” a Salath- dijimos. “Cuando un microblogger tenía muchas conexiones recíprocas de Twitter con los utilizadores que expresaron sentimientos de la anti-vacuna, él tendió a piar aún más sentimientos mismos de la anti-vacuna.” Interesante, sin embargo, su las personas de Salath- y encontraron que lo mismo no fueron verdad para los microbloggers con las conexiones recíprocas con los utilizadores que expresaron sentimientos de la favorable-vacuna; es decir, los sentimientos de la favorable-vacuna no parecían animar a gente a piar sentimientos más positivos sus los propio.

El “nuestro tercer encontrar era el más extraño y quizás el más discouraging,” Salath- dijo. Él y sus personas observaban el volumen escarpado de seguidores de los píos de la negativa o del positivo recibidos -- independiente de cuántos individuos siguieron los utilizadores. “Naturalmente, encontramos que un en grandes cantidades de píos negativos parecía animar a gente a piar más negativo. Pero extraño, un en grandes cantidades de píos positivos parecía animar a gente a piar más negativo, también,” Salath- dijo. “Es decir los mensajes de la favorable-vacuna parecían petardear cuando suficientes de ellos fueron recibidos.”

Las esperanzas de Salath- de diseñar Twitter adicional estudian para probar si los mismos efectos se pueden observar para los sentimientos expresados sobre otras vacunas, así como sobre otros problemas de salud tales como uso antibiótico, adietando, y ejercitando. “Mientras que algunos de nuestros resultados del estudio H1N1 pueden parecer de frustración, hay lados positivos,” Salath- dijo. “Primero, tenemos una manera probado-y-verdadera de rastrear y de analizar la riqueza de datos ahí fuera sobre Twitter. En segundo lugar, otros estudios pueden revelar porqué los mensajes positivos parecen animar piar negativo; quizás hay algo sobre la manera de la cual se está transportando el mensaje. Por ejemplo, los responsables de Sanidad públicos podrían utilizar esa información para enviar mensajes positivos de una manera que sería más probable tener el efecto previsto.”

Source: