L’attitude du public envers le COVID-19 et ses traitements est plus «infectieuse» que la maladie elle-même, selon une nouvelle étude de Northwestern Medicine utilisant l’intelligence artificielle (IA) pour analyser les tweets sur le virus. Les chercheurs ont étudié l’influence de Twitter sur les croyances en matière de santé du COVID-19 ainsi que l’influence concurrente des preuves scientifiques par rapport aux discours des politiciens.
Les principales conclusions de l’étude:
- Les préjugés des gens sont amplifiés lorsqu’ils lisent des tweets sur le COVID-19 d’autres utilisateurs, et plus il a été retweeté, plus ils ont tendance à y croire et à le retweeter eux-mêmes.
- Les événements scientifiques, tels que les publications scientifiques et les événements non scientifiques, tels que les discours de politiciens, influencent également les tendances des croyances en matière de santé sur les médias sociaux.
«Dans la pandémie, les médias sociaux ont contribué à une grande partie des informations, de la désinformation et des préjugés de l’attitude du public envers la maladie, le traitement et la politique», a déclaré Yuan Luo, auteur de l’étude en chef, responsable de l’intelligence artificielle à l’Institut pour l’intelligence augmentée en médecine. à la Northwestern University Feinberg School of Medicine.
« Notre étude aide les gens à réaliser et à repenser les décisions personnelles qu’ils prennent face à la pandémie », a déclaré Luo. « L’étude envoie une » alerte « au public indiquant que les informations qu’ils rencontrent quotidiennement peuvent être exactes ou erronées, et les guide pour qu’ils choisissent les informations étayées par des preuves scientifiques solides. Nous voulions également fournir des informations utiles aux scientifiques ou aux prestataires de soins de santé, afin qu’ils puissent diffuser plus efficacement leur voix auprès de publics ciblés. «
L’étude a été publiée récemment dans le Journal de recherche médicale sur Internet.
Comment les scientifiques peuvent-ils contrer les informations inexactes des politiciens?
Les politiciens peuvent parler de manière inexacte de l’efficacité d’un certain traitement ou dire que le COVID-19 n’est pas un gros problème; c’est comme la grippe. Ces commentaires ont un effet aussi fort que de véritables preuves scientifiques et motivent les croyances des gens. C’est ce qui nous préoccupe. «
Yuan Luo, directeur de l’IA, Institut des sciences cliniques et translationnelles, Université Northwestern
En comprenant comment les attitudes du public sont affectées, les scientifiques peuvent prendre des mesures pour s’assurer que les faits et les preuves scientifiques ont une voix suffisamment forte.
« En tant que scientifique, vous devez être conscient que vous devez faire connaître la science aux gens. Si vous n’y mettez pas d’énergie, vos efforts peuvent être facilement compensés par ceux qui parlent de manière irresponsable », a déclaré Luo. « À l’avenir, nous voudrons peut-être accorder plus d’attention à une campagne d’information publique pour éduquer les gens sur le vaccin afin de maximiser l’impact de l’inoculation. »
Sommaire
Comment l’attitude des gens à l’égard du COVID-19 est-elle influencée par les tweets?
« En tant que profane, vous devez prendre conscience de ce que vous retweetez et faire d’abord une vérification des faits », a déclaré Luo. « Et sachez que tout ce que vous voyez sur Twitter façonne votre attitude. Vous devez en prendre conscience avant de laisser les tweets et les opinions des autres façonner les vôtres et de faire partie de ce mégaphone. »
« Beaucoup de gens ne savent pas à quel point leurs croyances sont affectées par les tweets et ne prennent pas la peine de vérifier ce qu’ils lisent et retweetent. Lorsque l’information est biaisée, ils l’ignorent ou ne l’ont pas remarqué. C’est comme un effet marketing viral. Il s’agit simplement d’attirer l’attention sur un sujet d’actualité, mais cela affecte tout le monde sur les réseaux sociaux. «
En quoi cette étude est-elle roman?
L’étude est nouvelle car elle intègre des algorithmes d’apprentissage automatique et des modèles d’épidémiologie classiques pour étudier rétrospectivement le contenu des médias sociaux et ses effets, a déclaré Luo.
L’étude permet également à d’autres chercheurs de «regarder sous le capot» pour comprendre comment fonctionne cet algorithme d’IA.
Les algorithmes d’apprentissage automatique et d’apprentissage en profondeur sont généralement des mécanismes de boîte noire opaques. Mais dans cette étude, les chercheurs ont accordé une attention particulière à l’amélioration de l’interprétabilité du modèle.
« Nous avons identifié les tendances fluctuantes des attitudes du public à partir des tweets, puis aligné les événements scientifiques et non scientifiques importants qui sont associés à ces tendances », a déclaré Luo. « En conséquence, nous offrons des informations sur lesquelles les gens peuvent agir. »
Combien de tweets l’IA a-t-elle analysés?
L’équipe de Luo, dirigée par le premier auteur de l’étude, Hanyin Wang, titulaire d’un doctorat. étudiant du programme d’études supérieures Driskill, a collecté rétrospectivement des tweets liés au COVID-19 à l’aide de l’API Twitter. Au total, ils ont récupéré 92.687.660 tweets correspondant à 8967.986 utilisateurs du 6 janvier au 21 juin 2020.
Pour entraîner le modèle d’IA, ils ont sélectionné au hasard 5000 des tweets à annoter. Chaque tweet a été revu deux fois pour décider s’il répondait à l’un des quatre concepts de base du modèle de croyance en matière de santé, la susceptibilité perçue, la gravité perçue, les avantages perçus et les obstacles perçus.
Étape suivante: utiliser l’IA pour analyser comment les médias sociaux affectent les attitudes à l’égard des vaccins COVID-19
L’équipe de Luo intègre actuellement l’apprentissage automatique et l’apprentissage en profondeur dans l’étude de la façon dont les médias sociaux peuvent affecter l’attitude du grand public envers les vaccins COVID-19. L’objectif est d’identifier les préoccupations spécifiques du public et d’éclairer les campagnes de vaccination ciblées pour maximiser l’impact de la vaccination. Ils envisagent également d’utiliser les données des médias sociaux comme moyen de détecter les disparités entre les sexes ou les races à l’intérieur et à l’extérieur de la pandémie.
La source:
Référence du journal:
Wang, H., et al. (2021) Utilisation de tweets pour comprendre comment les croyances en matière de santé liées au COVID-19 sont affectées à l’ère des médias sociaux: étude d’analyse des données Twitter. Journal de recherche médicale sur Internet. doi.org/10.2196/26302.