在线COVID-19疫苗叙述中的多元声音及其对医疗种族主义的引用

文献标题

The Polyvocality of Online COVID-19 Vaccine Narratives that Invoke Medical Racism (线上 COVID-19 疫苗叙事中医疗种族主义的多声性)

文献信息

• 主题领域: 社会科学、公共健康、信息学
• 关键词: COVID-19疫苗, 医疗种族主义, 社交媒体, 信息混乱, 不实信息, 公共卫生, 人类计算, 疫苗犹豫, 托斯基基梅毒研究

研究背景与问题

• 发现及挑战:

  • 疫苗犹豫（Vaccine Hesitancy）长期困扰公共卫生领域，而包含虚假信息的反疫苗运动在过去25年间迅速扩散。
  • 种族主义与医疗不公的历史使得美国黑人群体对疫苗的拒绝或犹豫更为突出。
  • 新冠疫情时期，不实信息针对性地利用医疗种族主义问题，尤其是与托斯基基梅毒研究的关联，进一步影响疫苗信任。

• 问题重要性:

  • 疫苗信任的下降直接威胁群体免疫水平，阻碍新冠病毒传播的控制。
  • 信息失序不仅对疫苗接种率有关键影响，还突破了政治、宗教及种族跨领域的讨论边界。

• 动机与相关工作:

  • 本研究以社交媒体平台Twitter为焦点，通过对相关讨论的定性分析与语境化，探讨不实信息与医疗种族主义在疫苗信任问题上的交织。
  • 托斯基基梅毒研究被频繁提及，与疫苗不信任叙事形成共现现象，这种新行为值得关注与研究。

解决方案

• 提出的方法:

  • 研究团队通过Twitter API进行广泛数据收集，筛选与托斯基基梅毒研究相关的疫苗讨论。
  • 使用定性编码和网络图分析技术，提炼与医疗种族主义和疫苗信任有关的多声（“polyvocal”）叙事现象。

• 创新之处:

  • 本研究强调多声性（polyvocality）的理论框架，从多角度分析社交媒体讨论的复杂现象。
  • 区分了“信息混乱空间”中不同的声音和叙事，其中包含真实表达、不实信息及有意为之的假信息。

• 实施步骤与关键技术:

  • 数据收集阶段涵盖2018年至2021年的Twitter帖子，使用搜索关键词如“Tuskegee”及疫苗相关词。
  • 基于内容特征进行定性编码，辨别不同用户的身份特征（如政治立场及种族归属）。
  • 创建Twitter用户互动的网络图，分析各“声音”之间的互动与隔离。

研究成果

• 具体成果:

  • 识别了社交媒体讨论中的12个不同的声音，涵盖疫苗支持者、疫苗犹豫者及不实信息传播者。
  • 发现COVID-19疫苗讨论的动态变化：疫苗支持声音在疫情期间更为集中，与疫苗犹豫声音的矛盾更为突出。
  • 托斯基基梅毒研究被错误地关联到疫苗接种，成为错误信息和虚假 narratives 的中心。

• 与现有解决方案相比的优势:

  • 提供了对信息失序机制的深入理解，分辨了疫苗不信任表达中真实担忧与操纵性行为之间的界线。
  • 强调了社交媒体算法和平台设计在信息验证中的责任。

• 实验与评估结果:

  • 发现疫苗不信任推特帖子的传播频率是疫苗支持帖子的1.5倍，展示了不实信息的扩散速度。
  • 网络图揭示疫苗支持与反疫苗群体之间的相互作用及形成的分支态势。

• 局限性与未来方向:

  • 局限性：研究专注于特定术语（例如Tuskegee+疫苗）形成的互动空间，可能无法概括整个社交媒体上的医疗种族主义讨论。
  • 未来方向：开发支持“多声阅读”的技术工具，以帮助研究人员和公众更好地识别真实诉求与恶意信息；对平台设计施加摩擦以减少不实内容的传播。

总结

本研究剖析了COVID-19疫苗信任的复杂现象，揭示信息混乱如何通过社交媒体渠道作用与医疗种族主义问题。研究强调了从人类行为与技术设计入手解决虚假信息的必要性，同时对疫苗信任重要议题提供了新的理论框架与实证支持。