COVID-19 对反疫苗话语的影响：一项跨越 COVID 前后的大规模 Twitter 研究
内容提要
本文分析了Twitter数据，研究公众对COVID-19疫苗的态度变化。结果显示，疫苗接种推广后，负面情绪逐渐降低，但疫苗安全性和政策问题仍需关注。社交媒体上的反疫苗信息与虚假信息相关，情感分析表明接种率提高与用户情绪积极变化密切相关。
延伸解读
研究时间线与方法演进
文章梳理了2021年至2023年间多项研究，显示对反疫苗话语的分析从早期负面话题识别，逐步发展到立场检测、主题建模和深度学习情感分析。方法上，机器学习与自然语言处理技术被用于处理推文，并构建了领域特定语言模型。这些工作共同描绘了疫情前后Twitter上疫苗讨论的演变轨迹。
反疫苗话语与虚假信息的交织
研究发现，反疫苗推文常与虚假信息相关，其中表情和笑话占据了最多转发。不实信息多来自反疫苗和极右派社区，涉及“大重置”阴谋论和生物武器论等叙事。这提示读者，反疫苗内容往往并非孤立观点，而是与更广泛的 misinformation 生态相连，需警惕其传播中的情绪化包装。
情绪变化与接种推广的关联
情感分析表明，随着疫苗接种推广，负面情绪逐渐降低，接种率提高与用户情绪向积极变化密切相关。但疫苗安全性和政策问题仍是持续关注的焦点。这说明公众态度并非静态，而是受接种进程和现实事件影响，为制定沟通策略提供了依据。
双重立场与疫苗犹豫的细分
研究指出，双重立场使用者发布的推文占主要地位，正反两面共同讨论了许多真实问题。此外，有研究首次将疫苗犹豫作为区别于支持和反对的独立分类进行建模。这提醒我们，公众态度并非简单的二元对立，理解犹豫者的复杂心态对有效沟通至关重要。
Q&A
COVID-19 疫苗的负面态度是如何变化的？
随着疫苗接种的推广，COVID-19 疫苗的消极态度逐渐降低，但疫苗安全性和政策问题仍需关注。
社交媒体上反疫苗信息的主要特点是什么？
反疫苗推文与虚假信息相关，表情和笑话占据了最多的转发信息。
疫苗接种率提高与用户情绪之间有什么关系？
研究发现疫苗接种率的提高与用户情绪向积极的变化密切相关。
研究中使用了哪些技术来分析 Twitter 数据？
研究使用了机器学习技术和自然语言处理技术来分析 Twitter 数据。
双重立场使用者在推文中占据什么样的地位？
双重立场使用者发布的推文占主要地位，正反两面的推文共同讨论了许多不同的问题。
疫苗推广对社交媒体讨论的影响是什么？
疫苗推广显著影响社交媒体讨论的性质，推文数量、病例数量和情绪极性得分变化之间存在联系。
