Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

surveillance en temps réel AI-activée de social-medias des sentiments publics sur la vaccination COVID-19

L'impact de la pandémie COVID-19, la chasse pour un médicament, et le développement et la gestion couronnés de succès d'un vaccin a influencé des gens démesurément mondiaux. La disponibilité de la technologie actuelle permet de rechercher et évaluer les assiettes des gens dans ces circonstances d'essai. Les résultats sont généralement utilisés pour estimer leur inclinaison des gens l'humeur et vers des polices et des décisions.

Le schéma 2 : Le sentiment hebdomadaire ramené à une moyenne de Facebook tend pour (a) le R-U et (b) les USA

Le sentiment hebdomadaire ramené à une moyenne de Facebook tend pour (a) le R-U et (b) les USA. Crédit d'image : https://www.medrxiv.org/content/10.1101/2020.12.08.20246231v1.full.pdf

Particulièrement, de telles études de l'assiette publique aident également à comprendre et développer la confiance de ligne zéro dans les vaccins. Les analystes suivent le discours public en ligne sur des plates-formes telles que Facebook et gazouillent des plates-formes. Il peut aider à classer par catégorie et aviser le développement de l'engagement niveau démographique et des stratégies réglées de transmissions pour introduire la diversité et l'inclusion dans des campagnes de vaccination.

Une équipe interdisciplinaire avait l'habitude une approche (AI) renseignement renseignement artificielle pour observer et analyser le sentiment public de social-medias vers les vaccinations COVID-19. L'équipe ont évalué la teneur de Twitter et de Facebook sur la vaccination COVID-19 et le publié le travail dans le prétirage server.* de medRxiv

Les auteurs ont trouvé un sentiment positif, négatif, et neutre ramené à une moyenne par combinaison au R-U pour être 58%, 22%, et 17%, comparés à 56%, à 24%, et à 18% aux USA, respectivement. Ils trouvent également des sentiments négatifs ramenés à une moyenne par combinaison assimilée, sur les deux plates-formes : pour le R-U elle est 22,50% et pour les USA, elle est 24,10%.

Dans cette étude, les auteurs constatent que l'étude longue neuf mois montre le sentiment public positif ramené à une moyenne vers la vaccination COVID-19. Ils constatent que les goujons et les gazouillements réfléchissent que le R-U et les avis sociaux des medias des USA évoluent, avec des analyses complémentaires et contrastantes glanées de ces deux plates-formes.

Précédemment, les gouvernements ont compté sur des études pour l'information. Il était difficile obtenir caractéristique précise sur l'opinion publique. La caractéristique souffre habituellement de petites tailles de l'échantillon, de questions fermées, et de granularité Spatio-temporelle limitée. Pour surmonter ces éditions, la caractéristique sociale de medias est utilisée. Elle augmente des numéros et active des analyses en temps réel des sentiments et des assiettes publics avec la granularité Spatio-temporelle considérable.

En particulier, il y a potentiel inexploité significatif dans le retrait sur l'analyse AI-activée de social-medias d'aviser la recherche de politique publique. »

Pour tamiser à l'extérieur l'information des medias sociaux, des techniques IA Déterminées, telles que l'apprentissage automatique (ML), profondément apprendre (DL), et traitement du langage naturel (NLP) sont utilisées. Puisque la caractéristique sociale de medias est en grande partie non structurée, elle est favorable aux sujets et aux sentiments d'extrait des goujons sociaux de medias utilisant ces techniques.

L'analyse concerne classer des sentiments par catégorie dans des avis subjectifs du texte, de l'audio, et du vidéo pour obtenir les polarités et les états d'esprit vers des sujets d'objectif, des thèmes, ou de différents aspects d'intérêt. Dans une approche complémentaire, le dépistage d'orientation de `' est employé, où une orientation-marque (favorable, contre, aucun) est affectée à un goujon. Le goujon peut se rapporter ou même ne pas mentionner à une opinion sur l'objectif prédéterminé par détail (qui est à l'étude). Cependant, le goujon peut réfléchir le sentiment de la personne.

La moitié de la population du monde sont en activité sur des medias sociaux, comprenant plus de 70% de la population du R-U et des USA. L'activité en ligne également a sensiblement augmenté pendant la pandémie ; par exemple, de >37% pour Facebook.

Cette étude utilise les plates-formes de medias sociales les plus populaires et les plus représentatives - Twitter et Facebook - dans l'anglais. Le Facebook inscrit et bipe posté au R-U et les USA du 1er mars au 22 novembre 2020 sont employés. Pour cette étude, plus de 158 millions de gazouillements soyez hydraté et utilisé pour l'analyse.

Les auteurs ont observé que la différence entre les tendances positives et négatives ramenées à une moyenne de sentiment était plus prononcée sur Facebook que Twitter. Intéressant, Twitter semble être négativement polarisé. Ces sentiments associent aux appréhensions et aux préoccupations autour des délais ou aux pauses publiques dans des essais, la vaccinovigilance, des sociétés, et des gouvernements vacciniques influençant la disponibilité vaccinique et redressent l'exclusivité pour les avantages économiques.

Les auteurs illustrent graphiquement Facebook et gazouillent des sentiments (en termes de positif, négatif, et point mort). Ils observent et discutent les sentiments positifs, négatifs, et neutres de influencer d'événements clé, et tracent les tendances temporelles.

Ils montrent également le mappage Geo-spatial des sentiments aux conditions dans aux USA et au R-U. Les auteurs constatent que les sentiments vers la vaccination COVID-19 étaient :

  1. Négatif dans l'ouest et le Midwest du pays, à savoir : L'Idaho, le Kansas, New Hampshire, la Virginie Occidentale, Alabama
  2. Positif dans l'est, à savoir, Maine, le Colorado, la Géorgie, Hawaï
  3. Les Cornouailles, Kent, Sussex est, Surrey, et Dorset tous en Angleterre, et Aberdeenshire, Angus, et Stirlingshire tous en Ecosse
  4. La plupart de sentiment négatif le Sussex, à Somerset, North Yorkshire, et à Durham occidentaux, tous en Angleterre.

En conclusion, cette étude montre les variations temporelles et les mappages Geo-spatiaux dans des sentiments publics sur la vaccination COVID-19 au R-U et aux USA.

Ils recensent l'optimisme public au-dessus de la mise au point de vaccin, de l'efficacité, et des essais, y compris des préoccupations au-dessus de la sécurité, de la viabilité économique, et du contrôle de société dans le procédé.

Les auteurs discutent les limitations de leur étude et les ramifications des événements (rectifiez, des rumeurs, ou l'information trompeuse) au cours de la période de réflexion.

En raison de la forte demande pour des informations opportunes et dignes de confiance sur 2019 - la transmission technique de risque d'OMS de nCoV et les équipes sociales de medias avaient fonctionné attentivement pour suivre et répondre aux mythes et aux rumeurs. »

Situation Report-13 d'OMS

C'est une étude importante qui des expositions comment l'analyse AI-activée projette la lumière sur les assiettes des gens sur des medias sociaux et l'évalue dans vers quel sens elle se penche. Cette étude aide les préoccupations des sceptiques vacciniques d'adresse et développe la confiance publique exigée dans l'immunisation pour réaliser l'objectif de l'immunité de troupeau, les auteurs écrivent.

Avis *Important

le medRxiv publie les états scientifiques préliminaires qui pair-ne sont pas observés et ne devraient pas, en conséquence, être considérés comme concluants, guident la pratique clinique/comportement relatif à la santé, ou traité en tant qu'information déterminée.

Journal reference:
  • Artificial intelligence-enabled analysis of UK and US public attitudes on Facebook and Twitter towards COVID-19 vaccinations. Amir Hussain, Ahsen Tahir, Zain Hussain, Zakariya Sheikh, Mandar Gogate, Kia Dashtipour, Azhar Ali, Aziz SheikhmedRxiv 2020.12.08.20246231; doi: https://doi.org/10.1101/2020.12.08.20246231
Dr. Ramya Dwivedi

Written by

Dr. Ramya Dwivedi

Ramya has a Ph.D. in Biotechnology from the National Chemical Laboratories (CSIR-NCL), in Pune. Her work consisted of functionalizing nanoparticles with different molecules of biological interest, studying the reaction system and establishing useful applications.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Dwivedi, Ramya. (2020, December 14). surveillance en temps réel AI-activée de social-medias des sentiments publics sur la vaccination COVID-19. News-Medical. Retrieved on April 16, 2021 from https://www.news-medical.net/news/20201214/AI-enabled-real-time-social-media-monitoring-of-public-sentiments-on-COVID-19-vaccination.aspx.

  • MLA

    Dwivedi, Ramya. "surveillance en temps réel AI-activée de social-medias des sentiments publics sur la vaccination COVID-19". News-Medical. 16 April 2021. <https://www.news-medical.net/news/20201214/AI-enabled-real-time-social-media-monitoring-of-public-sentiments-on-COVID-19-vaccination.aspx>.

  • Chicago

    Dwivedi, Ramya. "surveillance en temps réel AI-activée de social-medias des sentiments publics sur la vaccination COVID-19". News-Medical. https://www.news-medical.net/news/20201214/AI-enabled-real-time-social-media-monitoring-of-public-sentiments-on-COVID-19-vaccination.aspx. (accessed April 16, 2021).

  • Harvard

    Dwivedi, Ramya. 2020. surveillance en temps réel AI-activée de social-medias des sentiments publics sur la vaccination COVID-19. News-Medical, viewed 16 April 2021, https://www.news-medical.net/news/20201214/AI-enabled-real-time-social-media-monitoring-of-public-sentiments-on-COVID-19-vaccination.aspx.