在社交媒体上为烟草相关信息构建分析框架:在生成人工智能协助下进行探索性分析
Eileen Han1,2,3, Miao Feng4, Pamela Ling5,6
1Center for Tobacco Control Research and Education, University of California, 530 Parnassus Ave., San Francisco, CA, 94143, USA. le.han@ucsf.edu.
这项研究开发了一个框架来分析社交媒体上的烟草信息,识别错误信息内容,虚假类型和来源. 调查结果突出了政策讨论和细微的谎言,有助于公共卫生干预.
科学领域:
- 公共卫生 公共卫生
- 社交媒体分析 社交媒体分析
- 卫生传播健康传播
背景情况:
- 社交媒体上不一致的烟草信息不成比例地影响弱势群体.
- 需要一个多维的分析框架来识别和分类在线烟草相关的信息.
- 现有的人工智能工具需要对其分析此类内容的能力进行评估.
研究的目的:
- 开发一个全面的框架来识别和分类社交媒体上的烟草相关信息.
- 将定性分析与人工智能辅助分析进行比较,以评估自动化工具的能力.
- 为针对那些无法获得可靠健康信息的人群提供信息.
主要方法:
- 一个包含340万条与烟草有关的推特的数据集被精制为842,754条独特的帖子.
- 隐性迪里克莱特分配 (LDA) 主题建模确定了六个独特的主题.
- 对采样的推特进行了定性和人工智能辅助的分析,以分类信息.
主要成果:
- 烟草信息按内容 (安全,戒烟,政策),虚假类型 (捏造,误导) 和来源 (个人,影响者) 分类.
- 与政策相关的讨论在Twitter (X) 上普遍存在,这是一个未被认可的域名.
- 电子烟的争议加剧了误导性的内容,经常扭曲科学发现和政策.
结论:
- 建立了一个全面的框架来分析社交媒体的烟草信息,包括政策辩论和阴谋叙述.
- 该框架可以指导针对知情较少的人群的干预措施.
- 它还可以增强用于公共卫生中的机器学习应用程序的数据注释.
更多相关视频
06:39Electroencephalographic, Heart Rate, and Galvanic Skin Response Assessment for an Advertising Perception Study: Application to Antismoking Public Service Announcements
Published on: August 28, 2017
08:39Generation of Electronic Cigarette Aerosol by a Third-Generation Machine-Vaping Device: Application to Toxicological Studies
Published on: August 25, 2018
相关概念视频
Statistical Methods for Analyzing Epidemiological Data
Social Foundations of Self IV: Self in Digital Communication
