#Plandemic- und #Scamdemic-Tweets während der COVID-19-Pandemie

In einer kürzlich veröffentlichten Studie in PLUS EINSanalysierten Forscher Desinformationen zur Coronavirus-Krankheit 2019 (COVID-19) auf Twitter.

Studien: Analyse von COVID-19-Desinformationen auf Twitter unter Verwendung der Hashtags #scamdemic und #plandemic: Retrospective study. Bildnachweis: rafapress / Shutterstock

Hintergrund

Die weit verbreitete Nutzung sozialer Medien während der COVID-19-Pandemie hatte zu einer „Infodemie“ von Des- und Fehlinformationen in Bezug auf COVID-19 geführt, die möglicherweise fatale Folgen hatte. Das Verständnis des Ausmaßes und der Auswirkungen dieser falschen Informationen ist für öffentliche Gesundheitsbehörden von entscheidender Bedeutung, um das Verhalten der allgemeinen Bevölkerung in Bezug auf die Aufnahme von Impfstoffen und nicht-pharmazeutische Interventionen (NPIs) wie soziale Distanzierung und Maskierung einzuschätzen.

Über das Studium

In der vorliegenden Studie bewerteten die Forscher auf Twitter kursierende Tweets mit den Hashtags #Plandemic und #Scamdemic.

Am 3. Januar 2021 sammelte das Team mit Twint, einem Scraping-Tool von Twitter, englischsprachige Tweets mit den Hashtags #Plandemic oder #Scamdemic, die zwischen dem 1. Januar und dem 31. Dezember 2020 gepostet wurden. Am 15. Januar 2021 setzte das Team anschließend die Twitter-Anwendung ein Programmiersoftware (API), um dieselben Tweets unter Verwendung entsprechender Tweet-Identitäten zu erhalten. Das Team stellte deskriptive Statistiken für die ausgewählten Tweets bereit, wie z. B. den korrelierenden Inhalt des Tweets und der Benutzerprofile, um die Verfügbarkeit der Tweets in beiden Datensätzen zu bestimmen, die gemäß den Statuscodes der Twitter-API entwickelt wurden.

Die Stimmungsanalyse der Tweets wurde durchgeführt, indem die Tweets tokenisiert und bereinigt wurden. Die Token wurden anschließend unter Verwendung natürlicher Sprachverarbeitungstechniken, einschließlich Lemmatisierung, Stammbildung und Entfernung von Stoppwörtern, in ihre Stammform umgewandelt. Die VADER-Bibliothek von Python wurde verwendet, um die Stimmung des Tweets als entweder neutral, positiv oder negativ und die Subjektivität des Tweets als entweder subjektiv oder objektiv zu erkennen und zu kategorisieren. VADER wendete eine regelbasierte Analyse von Stimmungen mit einer Polaritätsskala zwischen -1 und 1 an.

Die subjektive Analyse wurde mit TextBlob durchgeführt, das jeden Tweet auf einer Skala von null oder objektiv bis eins oder subjektiv markierte. Objektive Tweets galten als Tatsachen, während subjektive Tweets eine Meinung oder Überzeugung vermittelten. Das Team visualisierte ein Histogramm der Subjektivitätswerte für die Hashtags #Plandemic und #Scamdemic. Die Python-Bibliothek wurde auch verwendet, um die mit jedem Tweet verbundene primäre Emotion als Angst, Erwartung, Wut, Überraschung, Vertrauen, Traurigkeit, Freude, Ekel, Positiv oder Negativ zu kennzeichnen.

Die vorherrschenden Themen, die in der Tweet-Bibliothek diskutiert wurden, wurden erkannt und ein maschineller Lernalgorithmus angewendet. Dieser Algorithmus identifizierte die Tweet-Cluster anhand einer repräsentativen Gruppe von Wörtern. Die Wörter mit den höchsten Gewichtungen in jedem Cluster wurden verwendet, um den Inhalt jedes Themas zu definieren.

Ergebnisse

Die Studienergebnisse zeigten, dass insgesamt 420.107 Tweets die Hashtags #Plandemic und #Scamdemic enthielten. Das Team entfernte Tweets, die Retweets, Antworten, nicht-englische oder Duplikate waren, um 227.067 Tweets von ungefähr 40.081 Benutzern zu behalten. Fast 74,4 % der gesamten Tweets wurden von 78,4 % der aktiven Twitter-Nutzer gepostet, während 25,6 % der Tweets von 21,6 % der Nutzer gepostet wurden, deren Konto bis zum 15. Januar 2021 gesperrt wurde. Das Team stellte fest, dass Nutzer mit gesperrten Profilen wahrscheinlich waren mehr zu twittern. Benutzer, die beide Hashtags verwendeten, hatten eine Wahrscheinlichkeit von 29,2 %, gesperrt zu werden, im Gegensatz zu 25,9 % für Tweets mit #Plandemic und 13,2 % für Tweets mit #Scamdemic.

Das Team fand heraus, dass die meisten Benutzer 40 Jahre und älter waren. Darüber hinaus handelte es sich bei den gesperrten Benutzern hauptsächlich um Männer und Benutzer im Alter von 18 Jahren und darunter sowie zwischen 30 und 39 Jahren. Fast 88 % der aktiven Benutzer und 79 % der gesperrten Benutzer haben von ihren persönlichen Konten aus getwittert. Bemerkenswerterweise zeigten fast 65 % der analysierten Tweets Objektivität.

Die Emotionsanalyse der Tweets ergab, dass Angst die vorherrschende Emotion war, gefolgt von Traurigkeit, Vertrauen und Wut. Emotionen wie Überraschung, Ekel und Freude wurden am wenigsten ausgedrückt, während suspendierte Tweets eher Ekel, Überraschung und Wut ausdrückten.

Die allgemeine Stimmung, die durch die Tweets mit den Hashtags #Plandemic und #Scamdemic ausgedrückt wurde, war negativ. Die durchschnittliche wöchentliche Gesamtstimmung betrug -0,05 für #Plandemic und -0,09 für #Scamdemic, wobei 1 und -1 vollständig positive bzw. negative Stimmungen bezeichneten.

Das am häufigsten beobachtete Tweet-Thema war „Beschwerden gegen Mandate, die während der COVID-19-Pandemie eingeführt wurden“, darunter auch Beschwerden über Gesichtsmasken, Schließungen und soziale Distanzierung. Es folgten Tweets mit den Themen „Herunterspielen der Gefahren von COVID-19“, „Lügen und Gehirnwäsche durch Politiker und Medien“ sowie „Unternehmen und globale Agenda“.

Insgesamt zeigten die Studienergebnisse, dass die COVID-19-bezogenen Tweets eine insgesamt negative Stimmung zeigten. Während mehrere Tweets Wut über die Einschränkungen während der Pandemie zum Ausdruck brachten, enthielt ein erheblicher Teil der Tweets auch Desinformationen.

.

Leave a Reply

Your email address will not be published.