著名医師による解説が無料で読めます
すると翻訳の精度が向上します
目的:Twitterボットとトロール(「ボット」)がオンラインの健康コンテンツをどのように促進するかを理解する。 方法:2014年7月から2017年9月までオンラインで収集したワクチン関連のメッセージの平均ユーザーのレートとボットを比較しました。ユーザーがボットである可能性を推定し、ユーザータイプ全体の偏光と抗ウクチンのツイートの割合を比較しました。ロシアのトロール活動に関連するTwitterハッシュタグのコンテンツ分析を実施しました。 結果:平均的なユーザー、ロシアのトロール(χ2(1)= 102.0; p <.001)、洗練されたボット(χ2(1)= 28.6; p <.001)、および「コンテンツ汚染者」(χ2(1)= 7.0; p <.001)と比較して、高速で予防接種についてツイートしました。コンテンツの汚染者はより多くの抗ワクチン含有量を掲載しましたが(χ2(1)= 11.18; p <.001)、ロシアのトロールは両側を増幅しました。識別可能なアカウントはより偏光(χ2(1)= 12.1; p <.001)および抗ワクチン(χ2(1)= 35.9; p <.001)でした。ロシアのトロールハッシュタグの分析により、そのメッセージはより政治的で分裂的であることが示されました。 結論:マルウェアと未承諾のコンテンツを広めるボットが普及しているのに対し、ロシアのトロールは不和を促進しました。合法的なユーザーを装ったアカウントは、誤った等価性を生み出し、予防接種に関する一般のコンセンサスを侵食します。公衆衛生への影響。ワクチンの懐疑論者を直接直面することで、ボットはワクチンの議論を正当化することができます。ボット駆動型のコンテンツと戦うのに最適な方法を判断するには、さらなる研究が必要です。
目的:Twitterボットとトロール(「ボット」)がオンラインの健康コンテンツをどのように促進するかを理解する。 方法:2014年7月から2017年9月までオンラインで収集したワクチン関連のメッセージの平均ユーザーのレートとボットを比較しました。ユーザーがボットである可能性を推定し、ユーザータイプ全体の偏光と抗ウクチンのツイートの割合を比較しました。ロシアのトロール活動に関連するTwitterハッシュタグのコンテンツ分析を実施しました。 結果:平均的なユーザー、ロシアのトロール(χ2(1)= 102.0; p <.001)、洗練されたボット(χ2(1)= 28.6; p <.001)、および「コンテンツ汚染者」(χ2(1)= 7.0; p <.001)と比較して、高速で予防接種についてツイートしました。コンテンツの汚染者はより多くの抗ワクチン含有量を掲載しましたが(χ2(1)= 11.18; p <.001)、ロシアのトロールは両側を増幅しました。識別可能なアカウントはより偏光(χ2(1)= 12.1; p <.001)および抗ワクチン(χ2(1)= 35.9; p <.001)でした。ロシアのトロールハッシュタグの分析により、そのメッセージはより政治的で分裂的であることが示されました。 結論:マルウェアと未承諾のコンテンツを広めるボットが普及しているのに対し、ロシアのトロールは不和を促進しました。合法的なユーザーを装ったアカウントは、誤った等価性を生み出し、予防接種に関する一般のコンセンサスを侵食します。公衆衛生への影響。ワクチンの懐疑論者を直接直面することで、ボットはワクチンの議論を正当化することができます。ボット駆動型のコンテンツと戦うのに最適な方法を判断するには、さらなる研究が必要です。
OBJECTIVES: To understand how Twitter bots and trolls ("bots") promote online health content. METHODS: We compared bots' to average users' rates of vaccine-relevant messages, which we collected online from July 2014 through September 2017. We estimated the likelihood that users were bots, comparing proportions of polarized and antivaccine tweets across user types. We conducted a content analysis of a Twitter hashtag associated with Russian troll activity. RESULTS: Compared with average users, Russian trolls (χ2(1) = 102.0; P < .001), sophisticated bots (χ2(1) = 28.6; P < .001), and "content polluters" (χ2(1) = 7.0; P < .001) tweeted about vaccination at higher rates. Whereas content polluters posted more antivaccine content (χ2(1) = 11.18; P < .001), Russian trolls amplified both sides. Unidentifiable accounts were more polarized (χ2(1) = 12.1; P < .001) and antivaccine (χ2(1) = 35.9; P < .001). Analysis of the Russian troll hashtag showed that its messages were more political and divisive. CONCLUSIONS: Whereas bots that spread malware and unsolicited content disseminated antivaccine messages, Russian trolls promoted discord. Accounts masquerading as legitimate users create false equivalency, eroding public consensus on vaccination. Public Health Implications. Directly confronting vaccine skeptics enables bots to legitimize the vaccine debate. More research is needed to determine how best to combat bot-driven content.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。






