مطالعه تحت رهبری UCI شش راه را برای بیان تهدید Covid-19 در رسانه های اجتماعی در مراحل اولیه همه گیری شناسایی کرد

مطالعه تحت رهبری UCI شش راه را برای بیان تهدید Covid-19 در رسانه های اجتماعی در مراحل اولیه همه گیری شناسایی کرد


محققان UCI با تشخیص استفاده گسترده از توییتر به عنوان منبع اصلی اخبار برای مردم نیوزایز-آمریکا ، به دنبال یافتن چگونگی بیان توئیت های مخفی در مورد خطر ابتلا به Covid-1 در پنج ماه اول همه گیری بودند.

تجزیه و تحلیل آنها تاریخچه واکنش جامعه آمریکایی به خطر کووید -19 در طول زمان را نشان می دهد و نشان می دهد که درک ریسک در محدوده بسیار وسیع تری نسبت به ریسک عقلانی عینی بیان شده است. اگرچه تعداد کمی از توییت های ماسک در مورد مسیر انتقال و اثربخشی ماسک Covid-1 بحث کردند ، اما بیشترین توییت های ماسک درباره رفتارهای مرتبط با ماسک دیگران صحبت کردند. این یافته تجربیات اجتماعی را تایید می کند که به ایجاد خطر ابتلا به کووید -19 کمک می کند و ممکن است باعث ایجاد رفتار شود.

توییتر نگاهی اجمالی به نحوه آگاهی کاربران از خطر در طول شیوع بیماری نشان داد. کاربران تجربیات خود را با ذکر لینک ها ، هشتگ ها ، سیاستمداران ، ویدئوها ، تصاویر ثبت کردند و آنها را در زمان واقعی با شبکه های خود به اشتراک گذاشتند و درک خطر کووید -19 را تقویت و تضعیف کردند.

نتایج مطالعه نشان می دهد که کاربران تفسیرهای زیادی از ماسک ها برای استفاده و در سطوح مختلف ، از جنبه های مربوطه (به عنوان مثال ، رفتار دیگران در محل کار) گرفته تا دستورالعمل ها و سیاست های دولت انجام داده اند. این یافته ها نشان می دهد که پیام های بهداشت عمومی تنها با تمرکز بر افزایش شدت و تهدید ، پاسخ مطلوب را کاهش می دهد. در عوض ، رویکردی برای پیام های بهداشت عمومی که بر هویت اجتماعی یا گروهی تأکید می کند ، یا رویکردی که پیام ها را برای تأکید بر سیاست محل کار پنهان می کند ، ممکن است موفقیت بهتری در اتخاذ پیام های مختلط در سطح فردی باشد.

این مطالعه به رهبری سولن هافر ، دکترای نویسنده و استادیار بهداشت ، اجتماع و رفتار در برنامه UCI در سلامت عمومی ، نقش مهم رسانه های اجتماعی را در زمینه واکنش های زمان واقعی به بحران های بهداشت عمومی توضیح می دهد. این به توضیح روشهای کارکرد رسانه های اجتماعی برای افزایش و کاهش خطر کمک می کند. این یافته ها در PLOS One منتشر شده است.

تیم تحقیق محتوای بیش از 7000 توییت درباره ماسک را که تقریباً 6300 کاربر منحصر به فرد را از ژانویه تا جولای 2020 نشان می داد ، تجزیه و تحلیل کرد ، زمانی که تصورات درباره خطر همه گیری هنوز در حال تکامل بود و زمانی که فقط مداخلات غیر دارویی مانند ماسک در دسترس بود. کاهش ریسک. وی علاوه بر افزایش کلی توییت های مخفی در یک دوره پنج ماهه ، شش روش را که مردم از طریق آنها خطر ابتلا به کووید -19 را بیان می کنند ، مورد بررسی قرار داد:

1. شدت: توییت های ماسکی که خطر ابتلا به کووید 1 را افزایش می دهند با گزارش افزایش بستری ها در بیمارستان ، ظرفیت ICU ، مرگ و میر ، نقاط جغرافیایی و احتکار ماسک به اشتراک گذاشته شد. توییت های کاربر که از خطر در مقایسه با موارد کووید -19 در مقایسه با آنفولانزا یا تصادفات رانندگی می کاهد.

2. چه کسی در معرض خطر است: توییت ها اغلب شامل داستانهای شخصی بیمار شدن و تجربیات خانواده و دوستان با این ویروس است. افزایش تجربیات شخصی و کاهش درک ریسک ، بسته به این که مورد فردی نتایج COVID-19 نامطلوب یا بدون علامت را نشان داده باشد.

3. اثربخشی ماسک: کاربران با به اشتراک گذاشتن نظرات شخصی و داستان “شواهد” در مورد نحوه انتشار ویروس ، در مورد اثربخشی ماسک بحث کردند.

4. مشروعیت سیاسی برای خطر کووید -19: کاربران از طریق توییت ها به بیانیه ها و سیاست های صادره از سوی مقامات منتخب و مقامات بهداشت عمومی مانند مراکز کنترل و پیشگیری از بیماری ها و سازمان بهداشت جهانی پاسخ دادند.

5. دستورالعمل ها و سیاست های ماسک: کاربران با استناد به دستورالعمل ها و اظهارات متناقض مقامات منتخب ، با پیامهای متناقض بهداشت عمومی ، سردرگمی و سرخوردگی خود را ابراز کردند.

دیگران. رفتار نقاب دار دیگران: بیشترین تعداد کاربران توییت های ماسک رفتار پوشیدن ماسک را در چارچوب زندگی روزمره (به عنوان مثال پوشیدن ماسک هنگام رفتن به محل کار ، مسافرت و شرکت در فعالیت های اجتماعی) توصیف کردند.

یافته های این مطالعه همچنین نشان می دهد که چگونه درک خطر در طول زمان پویا بوده است. به عنوان مثال ، در مراحل اولیه یک بیماری همه گیر بحث در مورد افرادی که در معرض خطر هستند و آگاهی از شدت خطر غالب است ، در حالی که در مراحل بعدی رفتار دیگران و سیاست گذاری نقاب غالب است.

نویسندگان مشترک شامل Emilia Fields دانشجوی دکترای بهداشت عمومی UCI ، دانشجویانی از دانشکده علوم کامپیوتر و انفورماتیک UCI: Yuven Lu ، Ganesh Ramakrishnan ، تد گروور ، Qishi Bai ، Yikong Huang و استاد تحقیق کامپیوتر کامپیوتر چن لی و اطلاعات علوم پایه. پروفسور گلوریا مارک.



دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *