XiaoMi-AI文件搜索系统
World File Search System推特上
在推特上反对强制实施新冠肺炎免疫护照：自然语言处理研究
尽量减少房间拥挤、限制接触和采取卫生措施 [2-7]。这些义务提出了伦理问题 [8]，并导致人们对疫苗接种和各种限制措施的选择和行为发生了变化 [9]。政府卫生运动（更具体地说是疫苗接种计划）缺乏雄心，会强化拒绝疫苗的行为 [10]。然而，如果有效实施，这些公共卫生措施可以对疫苗接种覆盖率产生积极影响 [11-17]。与直觉相反，放弃强制措施可以提高人们对疫苗接种的接受度 [6]。此外，这种动态会受到主流媒体（报纸）、社交媒体或互联网上传播的科学或政治演讲的影响而波动 [18,19]。
COVID-19 疫情期间推特上的疫苗讨论
自 COVID-19 疫情爆发以来，疫苗一直是公众讨论的重要话题。围绕疫苗的讨论呈现出两极分化，一些人认为疫苗是结束疫情的重要措施，而另一些人则犹豫不决或认为疫苗有害。这些讨论中有相当一部分是在社交媒体平台上公开进行的。这使我们能够密切监测不同群体的意见及其随时间的变化。本研究调查了 Twitter 上与 COVID-19 疫苗相关的帖子，重点关注那些对疫苗持负面态度的帖子。我们研究了负面推文百分比随时间的变化。我们还研究了这些推文中讨论的不同主题，以了解那些对疫苗持负面态度的人的担忧和讨论要点。我们收集了 2020 年 3 月 1 日至 2021 年 7 月 31 日期间与 COVID-19 疫苗相关的 16,713,238 条英文推文数据集。我们使用 Scikit-learn Python 库应用支持向量机 (SVM) 分类器来识别对 COVID-19 疫苗持负面态度的推文。总共使用 5,163 条推文来训练分类器，其中 2,484 条推文子集由我们手动注释并公开发布。我们使用 BERTtopic 模型来提取和调查负面推文中讨论的主题以及它们随时间的变化。我们表明，随着疫苗的推出，对 COVID-19 疫苗的负面态度随着时间的推移而下降。我们确定了 37 个讨论主题并展示了它们随时间推移的重要性。我们发现，热门话题包括阴谋论，例如 5G 塔和微芯片，但也包含对疫苗安全性和副作用以及政策的合理担忧。在对疫苗犹豫不决的推文中，最普遍的话题与 mRNA 的使用以及对我们的 DNA 可能产生的负面影响的担忧有关。在 COVID-19 之前，人们对疫苗的犹豫就已存在。然而，考虑到 COVID-19 大流行的规模和环境，人们对 COVID-19 疫苗产生了一些新的犹豫和消极情绪，例如，是否有足够的时间对它们进行适当的测试。与之相关的阴谋论数量也空前之多。我们的研究表明，即使是不受欢迎的观点或阴谋论，当与 COVID-19 疫苗等广受欢迎的讨论话题结合在一起时，也会变得广泛传播。了解人们关注的问题和讨论的话题以及它们随时间的变化对于政策制定者和公共卫生当局提供更好、及时的信息和政策至关重要，以便在未来类似的危机中为民众接种疫苗。
人工智能翻译和推特上的国际韩流粉丝
Judy Yae Young Kim，西蒙弗雷泽大学 摘要 本文最初是为 Sun-Ha Hong 的 CMNS 253W 课程“信息技术简介：新媒体”撰写的。作业要求学生撰写一篇短文，批判性地分析所选技术及其对不同类型的人和社会关系的现有/潜在影响。本文采用 APA 引用格式。 Twitter 上的人工智能翻译为国际 K-Pop 粉丝打开了许多大门。它使他们能够与自己喜欢的艺术家建立联系，而无需翻译的中间人。然而，通过这种方式，“机器人接管”的恐惧开始蔓延。人工智能翻译真的可以取代“真人”翻译吗？因此，在粉丝群中受到名人待遇的“真人”翻译会“失去工作”吗？本文探讨了人工智能如何无法重现“真人”翻译在 K-Pop 粉丝 Twitter 上创造的文化。因此，人工智能和人类必须共同努力，为国际 K-Pop 粉丝群提供最完整的翻译。本文对国际 K-Pop 粉丝和 K-Pop 艺术家发布的推文进行了内容分析，并引用了各种关于 AI 的文献。当 Twitter 首次在其平台上实施人工智能翻译时，它打开了许多大门。特别是，它对国际 K-Pop 粉丝产生了巨大影响，他们不再需要依赖其他粉丝来翻译他们最喜欢的艺术家的推文。只需轻触屏幕或单击按钮，他们就可以将他们最喜欢的艺术家说的话翻译成他们自己的语言。然而，即使在 Twitter 应用程序上实施了人工智能翻译，许多人仍然更喜欢并转向“真人”翻译（Aisyah，2017 年，第 76 页）。毕竟，人们认为人工智能翻译——“机器”翻译会错过许多文化细微差别，而这在任何翻译中都是至关重要的。然而，由于人工智能
宾夕法尼亚州疫苗对话和推特上的错误信息
疫苗护照 2429 1120 2.3% 793 4.6% 25 3.4% 442 3.5% 49 2.5% 未经 FDA 批准 221 125 0.3% 30 0.2% 5 0.7% 56 0.4% 5 0.3% 加强剂 170 106 0.2% 29 0.2% 1 0.1% 28 0.2% 6 0.3% 错误信息：脱落 17 10 0.0% 2 3 0.0% 2 0.1% “实验性” 319 181 0.4% 61 0.4% 3 0.4% 66 0.5% 8 0.4% 儿童 1125 756 1.5% 167 1.0% 4 0.5% 178 1.4% 20 1.0% 心肌炎 10 6 0.0% 1 0.0% 3 0.0% 心脏 294 167 0.3% 63 0.4% 3 0.4% 54 0.4% 7 0.4% 口罩 4135 2563 5.2% 668 3.9% 32 4.3% 679 5.4% 193 9.7% 不孕不育 19 13 0.0% 1 0.0% 4 0.0% 1 0.1% 授权 1005 604 1.2% 156 0.9% 12 1.6% 199 1.6% 34 1.7% 自然免疫力 221 162 0.3% 38 0.2% 1 0.1% 19 0.2% 1 0.1% 功效 102 54 0.1% 13 0.1% 30 0.2% 5 0.3% 刺突蛋白 90 75 0.2% 5 0.0% 9 0.1% 1 0.1% Delta 变体 2027 1193 2.4% 378 2.2% 17 2.3% 346 2.8% 93 4.7% 种族 628 387 0.8% 133 0.8% 2 0.3% 91 0.7% 15 0.8% 氧化石墨烯 15 10 0.0% 1 0.0% 4 0.0% 挨家挨户“打击力量” 198 122 0.2% 28 0.2% 2 0.3% 39 0.3% 7 0.4%
倡导、犹豫和公平：探索推特上美国与 COVID-19 疫苗相关的种族讨论
摘要：背景：我们的研究旨在描述与 COVID-19 疫苗、种族和族裔相关的推文主题，以探索这些主题在 Twitter 上的交集背景。方法：我们利用 Twitter 的流应用程序编程接口 (API) 从 2020 年 10 月到 2021 年 1 月随机收集了 1% 的公开推文样本。研究小组对 1110 条推文的完整数据集进行了定性内容分析。结果：这些推文通过肯定疫苗、通过谴责倡导、需要疫苗、COVID-19 和种族主义、疫苗开发和有效性、种族主义疫苗幽默和新闻更新揭示了对疫苗的反对。疫苗反对通过直接反对、疫苗犹豫和不良反应表现出来。阴谋和错误信息包括科学错误信息、政治错误信息、对免疫和保护行为的信念以及种族灭绝阴谋。公平与获取侧重于克服医疗种族主义的历史，指出健康差距，以及促进疫苗获取的因素。代表们赞扬发展和榜样的自豪感，政治讨论了政治在疫苗和国际政治中的作用。结论：我们的分析表明，Twitter 可以提供与种族和民族有关的疫苗的多种观点的细微差别，并有助于为公共卫生信息传递提供见解。
不仅仅是阴谋论：疫苗反对者和支持者在推特上加剧了新冠肺炎“信息疫情”
2020 年 2 月，世界卫生组织宣布，伴随 COVID-19 全球大流行而来的“信息疫情”——大量准确和不准确的健康信息——对有效的健康传播构成了重大挑战。我们评估了 Twitter 上最活跃的疫苗账户的内容，以了解现有的在线社区在大流行初期如何助长“信息疫情”。虽然我们预计疫苗反对者会分享有关 COVID-19 的误导性信息，但我们也发现疫苗支持者也难免会传播不太可靠的说法。在这两个群体中，讨论最大的话题是将 COVID-19 与季节性流感等其他疾病进行比较的叙述，往往淡化了新型冠状病毒的严重性。在考虑“信息疫情”的范围时，研究人员和健康传播者必须超越已知的不良行为者和最恶劣的错误信息类型，仔细审查公众可能在网上遇到的全部信息——来自可靠和不可靠来源的信息。