通过文本挖掘和主题建模来确定Twitter上的#寄生虫学趋势

科学领域:

• 寄生虫学的寄生虫学
• 社交媒体分析 社交媒体分析
• 计算语言学 计算语言学

背景情况:

• 推特 (现在是X) 已经成为科学交流的重要平台.
• 了解它在寄生虫学中的作用对于跟踪研究趋势和公共话语至关重要.
• 之前在科学领域对社交媒体的分析是有限的.

研究的目的:

• 调查Twitter的出现和使用模式,以便在寄生虫学中进行交流.
• 分析寄生虫学相关推文的内容,语言,主题和情绪.
• 识别关键利益相关者并评估平台上的信息质量.

主要方法:

• 收集了从2011年到2020年使用关键词 ('疟疾', 'Plasmodium', 'Leishmania', 'Trypanosoma', 'Toxoplasma', 'Schistosoma') 的推文数据集.
• 对推特内容 (语言,用户名,标签) 进行探索性数据分析.
• 使用KeyBert和biterm主题建模提取了讨论主题.
• 分析了使用VADER (瓦伦斯意识到词典和sEntiment Reasoner) 的推文情绪.

主要成果:

• 所有被调查的寄生虫的推特数量从2011/2013年到2020年大幅增加,在2020年达到顶峰.
• 英语是主要语言,但西班牙语和葡萄牙语也很普遍,特别是在Leishmania.
• 主题包括毒素的心理健康联系,Trypanosoma的药物/载体,以及Schistosoma的病理学/小吃.
• 诸如期刊和社团之类的可信来源活跃,但非专家影响者也做出了贡献,引发了质量问题.

结论:

• 推特已经成为寄生虫学研究和讨论的主要沟通论坛.
• 该平台促进了多元化的对话,但非专家声音的兴起需要对信息进行批判性评估.
• 需要进一步研究社交媒体对科学理解和寄生虫学错误信息的影响.