COVID-19 Vaccine Discourse on Twitter: A Content Analysis of Persuasion Techniques, Sentiment and Mis/Disinformation

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Scannell, D., Desens, L., Guadagno, M., Tra, Y., Acker, E., Sheridan, K., ... & Fulk, M. (2021). COVID-19 Vaccine Discourse on Twitter: A Content Analysis of Persuasion Techniques, Sentiment and Mis/Disinformation. Journal of Health Communication, 1-17.

Twitter 上的 COVID-19 疫苗論述：說服技術、情緒和錯誤/虛假訊息的內容分析 

全文連結：https://www.tandfonline.com/doi/abs/10.1080/10810730.2021.1955050

導讀者：李妍頻

原作摘要：

本研究旨在了解支持COVID-19 疫苗、反對COVID-19 疫苗，以及抱持中立態度的訊息使用何種說服技巧。作者以推敲可能性模型（ELM）、社會判斷理論和擴展並行過程模型（EPPM）對1000則推文進行內容分析，挑出可能是由機器人發布的推文做進一步的檢查。研究發現，反對COVID-19 疫苗的推文主要是以故事、幽默、名人做為說服技巧，而支持COVID-19 疫苗的推文主要是以資訊、名人和參與做為說服技巧。結果還顯示，反對COVID-19 疫苗的推文使用了感知嚴重性和感知易感性等恐懼訴求，其內容集中在安全、政治/陰謀論和選擇等價值觀上。最後，作者根據研究結果提出「健康訊息說服探索框架」（HIPE）對抗錯誤/虛假的和反對疫苗的訊息，希望藉此提高疫苗的接種率。

關鍵字：COVID-19、疫苗、社群媒體、內容分析、說服、情緒、假訊息

重點整理：

一、 問題意識

儘管有科學數據證明COVID-19 疫苗的安全性和有效性，疫苗猶豫的現象仍然存在。導致疫苗猶豫的其中一個因素是錯誤/虛假訊息的傳播，隨著社群媒體的發展，這些錯誤/虛假訊息的影響力更為強大，其中一種策略便是透過機器人來表達特定的觀點。

因此，本研究分析含有COVID-19 疫苗情緒（支持、反對和中立）的推文，探討各自使用的說服策略為何。並從中篩選出可能是由機器人發布的推文，分析其使用的說服策略。根據研究結果提出一個「健康訊息說服探索框架」（HIPE），以識別反對疫苗訊息中所使用的錯誤/虛假訊息和說服策略，並提供應對這些訊息的溝通策略。

二、 文獻回顧

（一） 疫苗猶豫

疫苗猶豫是提升疫苗覆蓋率的障礙，它導致麻疹的捲土重來以及一系列傳染病的爆發，造成不必要的痛苦和公共衛生資源的浪費 (Kang et al., 2017; Salmon, Dudley, Glanz, & Omer, 2015)。社群媒體上的反疫苗陰謀論讓公眾懷疑既定的科學共識，更是強化了疫苗猶豫的現象 (Bernard et al., 2020; Jolley & Douglas, 2014)。而醫療體系內的歧視和不平等則讓情況變得更加複雜，舉凡文化、社會、歷史和對政府的不信任都是導致疫苗猶豫的因素 (Green, Maisiak, Wang, Britt, & Ebeling, 1997; Quinn, Jamison, Mus, A, Hilyard, & Freimuth, 2016)。

（二） 有關疫苗的錯誤/虛假訊息

對於疫苗的錯誤/虛假訊息不斷地增加，包括擔心疫苗的成分不安全，可能會導致自閉症 (Salmon et al., 2015)。研究發現，接觸這些疫苗的錯誤/虛假訊息會對疫苗產生負面的態度，並刻意延遲接種疫苗 (Ding & Dam, 2018; Salmon et al., 2015)。

社群媒體既是錯誤/虛假訊息的來源，也是傳播的載體 (Carrieri, Madio, & Principe, 2019)。包含Twitter在內的社群平台都鼓勵志同道合的團體共享類似的訊息 (Tyson, Johnson, & Funk, 2020a)。雖然只是少數的聲音，但是虛假的訊息一樣可以有效地傳播，甚至可以透過恐懼、不確定性等特質接觸到更多的人 (Sell, Hosangadi, & Trotochaud, 2020)。研究發現，在使用#vaccine的推文當中，反疫苗的轉推量是中立的4.13倍，而支持疫苗的轉推量只是中立的1.58倍 (Blakenship et al., 2018)。

而機器人會以更高的頻率轉推，放大支持或反對疫苗群體的意見 (Yuan, Schuchard, & Crooks, 2019)。目的是促進衝突，創造雙方辯論的錯覺 (Blakenship et al., 2018)。研究發現，虛假訊息的活躍與疫苗接種率下降有關，代表虛假訊息的影響力不僅限於塑造線上對話而已 (Wilson & Wiysonge, 2020)。

（三） 理論框架

為了了解社群媒體對疫苗接種意圖的影響，本研究以三種說服理論進行分析：推敲可能性模型（ELM）、社會判斷理論和擴展並行過程模型（EPPM）。

1. 推敲可能性模型（ELM）

Petty and Cacioppo (1986) 描述了影響態度和行為變化的兩條途徑─中央途徑和周邊途徑。當個人對問題的涉入度高，會採取中央途徑，根據自己的知識和經驗仔細審視內容。涉入度低則會採取外圍途徑，基於簡單的方法判斷，例如有沒有名人代言。因此，當問題是高度個人化的（例如疫苗接種）時，個人會更抗拒說服，並且會抵制與他們對該問題的看法相矛盾的有說服力的論點。

2. 社會判斷理論

社會判斷理論表明，個人處理訊息時會根據其價值觀進行判斷，決定要接受問題、拒絕問題，還是不對問題進行任何承諾 (Smith, Atkin, Martell, Allen, & Hembroff, 2006)。可以接受的範圍會因為問題的性質而有所差異，像是疫苗接種這種敏感的話題，可以接受的範圍就可能比較小。

3. 擴展並行過程模型（EPPM）

EPPM指出，個人會根據威脅識別（即嚴重性和易感性）和感知效能（即回應效能和自我效能）處理訊息 (Witte, 1992)。首先，個人必須確定威脅級別。如果威脅級別為中到高，會引發恐懼反應，促使個人進一步評估自身應對威脅的能力。如果威脅級別低，個人就沒有動力進一步處理訊息或採取行動。

（四） 研究問題

1. 三種疫苗情緒（支持疫苗、反對疫苗和中立）在推文中各占多少比例？  

2. 不同的說服策略（ELM、社會判斷理論和 EPPM）在三種疫苗情緒的推文中被使用的程度為何？

3. 三種疫苗情緒（支持疫苗、反對疫苗和中立）的推文有多大的比例可能是由機器人所發布的？

4. 機器人較有可能採取哪種說服策略？

三、 研究方法

使用社群媒體監控和分析工具Talkwalker，從Twitter中提取2020年7月14日至23日有關COVID-19的推文（搜索策略如圖一）。過濾出轉推數前1000多的推文（最少轉推5次，最多轉推19,136次）。並採用Botometer判斷推文是由機器人發布的可能性（若檢測值大於0.5，代表推文可能是由機器人發布的）。

（一） 編碼和編碼者間信度

作者參考先前對反疫苗討論的研究 (Moran, Lucas,  Everhart, Morgan, & Prickett, 2016) 創建了一個編碼表。該編碼表是基於疫苗情緒和三種說服理論創建的，作者為每種類型的說服制定了代碼（操作型定義如表一）。

疫苗情緒分為三種類型─支持、反對和中立。雖然社群媒體監控和分析工具可以自動為貼文分配情緒值，但無法確認其是否準確反映了疫苗情緒，因此疫苗情緒的部分由編碼人員手動編碼。

編碼表經過三輪審查，確保其結構、定義達成一致。編碼結束後，有2則推文在所有類別皆獲得0的數值，另有125則推文的連結被刪除，故有127則推文被排除。剩下873則貼文被用來回答研究問題1和2，其中有48則推文（5.4%）被Botometer識別為機器人發布的，用來回答研究問題3和4。

作者對100則隨機選擇的推文進行編碼者間信度分析，採用Gwet的一致性評價係數AC1 (Wongpakaran, Wongpakaran, Wedding, & Gwet, 2013) 進行檢測，結果顯示p 值小於 0.05，代表三位編碼員的標準一致。

四、 研究結果

（一） 疫苗情緒（支持、反對、中立）

表三顯示了三種疫苗情緒出現的比例，有45.7%的推文支持疫苗、28.6%的推文抱持中立態度、 25.7%的推文反對疫苗。而在可能是由機器人發布的推文中，37.5%的推文抱持中立態度、35.4%的推文支持疫苗、27.1%的推文反對疫苗。

（二） 說服策略─所有的推文

表四顯示了所有推文使用的說服策略。其中，ELM說服策略可分為中央途徑（資訊、問題、參與）和周邊途徑（名人、啟發、幽默/諷刺、軼事/故事）七個子類目。與反對疫苗(4.6%)和抱持中立(14.9%)的推文相比，支持疫苗的推文更有可能使用中央途徑進行說服，例如呈現事實資訊(31%)。三種情緒有差不多的比例會請名人(例如知名醫學專家)進行說服。與支持疫苗(1.8%)和抱持中立(1.0%)的推文相比，反對疫苗的推文更有可能使用故事(5.5%)進行說服。雖然反對疫苗的推文大多使用周邊途徑進行說服，但也有使用中央途徑進行說服的，包括資訊(4.6%)和問題(3.4%)。

社會判斷理論為分析與COVID-19疫苗相關的價值觀提供了一個框架，包含：健康、安全、宗教、選擇、政治、社會公平和利他主義。反疫苗推文中最強調的價值觀包括政治(8.8%)、安全(8.7%)和選擇(6.2%)。與政治相關的訊息集中在對政府的不信任；與安全相關的訊息集中在擔憂COVID-19 疫苗的開發速度與過去的疫苗相比太過緊湊；與選擇相關的訊息則表達了對工作場所和學校要求接種COVID-19 疫苗的擔憂。支持疫苗的推文最強調的價值包括健康(34.7%)和社會公平(4.1%)，抱持中立的推文則最關注健康(14.9%)。

擴展並行過程模型則用於檢查感知嚴重性、感知易感性、感知自我效能和感知回應效能的結構。結果顯示，反疫苗訊息主要以感知嚴重性或恐懼訴求為說服策略(89%)。

（三） 說服策略─由機器人發布的推文

表五顯示了可能由機器人發布的貼文所使用的說服策略。在ELM的部分，反對疫苗的訊息多使用軼事/故事 (8.5%)、參與 (6.4%)和幽默/諷刺 (4.3%)進行說服。儘管支持疫苗和抱持中立的訊息較少使用周邊途徑，但他們還是有用名人進行說服。

在社會價值理論的部分，機器人使用的策略與一般的推文一致。支持疫苗(25%)和抱持中立(16.7%)的訊息主要以健康資訊為說服策略，反對疫苗的訊息則是利用安全(8.3%)、政治(8.3%)和選擇(6.2%)為說服策略。

在EPPM的部分，反疫苗訊息主要使用感知嚴重性(89%)和感知易感性(59.3%)做為說服策略。這些策略也被支持疫苗和抱持中立的訊息使用，但程度要低得多。

五、 討論

本研究的目的之一是了解三種疫苗情緒各自採取什麼說服策略，尤其是反疫苗訊息和機器人所使用的策略。三種不同的說服理論提供了一個獨特的視角來檢查Twitter 上關於 COVID-19 疫苗訊息的策略類型。

（一） 中央/周邊路徑

過去的研究建議疫苗接種建議應來自社區中可信賴的來源，包括醫療保健提供者、正式和非正式的關鍵意見領袖和社群媒體影響者 (Blakenship et al., 2018; Lazarus et al., 2020; Moran et al., 2016; Vanderpool, Gaysynsky, & Chou, 2020)。醫療保健提供者的建議特別重要，因為他們的建議與提高 COVID-19 疫苗的接種意圖相關(Head,  Monica, Sturm, Hartsock, & Zimet, 2020)，故支持疫苗的訊息應多以名人做為說服策略。

（二） 價值觀

了解公眾對疫苗接種的價值觀可以為訊息發展奠定基礎。例如自由選擇是否接種疫苗是反疫苗訊息操作的議題之一，一項關於線上育兒部落格的研究報告稱，超過一半的推文強烈反對疫苗，理由是侵犯公民自由/選擇權(Meleo-Erwin, Basch, MacLean, Scheibner, & Cadorett, 2017)。學校和工作場所要求接種疫苗的政策為反疫苗者提供了製造錯誤訊息的機會，這些錯誤訊息就有可能透過公眾對於選擇的價值觀影響公眾接種疫苗的意願。 

（三） 感知嚴重性/感知易感性

結果顯示，無論是不是機器人發布的推文，反疫苗訊息使用的都是感知威脅或恐懼訴求，其他研究也支持了這一個發現 (Harvey, Thompson, Lac, & Coolidge, 2019)。了解訊息中的威脅和效能對於促進疫苗接種尤其重要，恐懼出現時，健康傳播者必須教育公眾了解虛假訊息如何引發負面情緒，以幫助公眾識別虛假訊息。

（四） 健康訊息說服探索框架（HIPE）

作者提出「健康訊息說服探索框架」，採用傳統的說服模型並擴展到識別錯誤/虛假訊息的領域（如圖十）。

1. 檢測

WHO的EARS 可以免費提供公共衛生官員使用，透過社會傾聽可以衡量公眾輿論。

2. 識別說服模式

錯誤/虛假訊息可能針對特定群體散播不信任 (Stone，2021)。這些說服策略針對的可能是歷史上被美國醫學界虐待的群體、經歷過不成比例的疾病/流行病負擔影響的群體、政治上存在嚴重分歧的團體等等。檢查受眾的「身分」和「所處地點」可以為他們量身打造溝通訊息，糾正錯誤/虛假訊息，提升疫苗接種率。

3. 干預設計、形成性評估、應對措施

了解說服模式提供了一個機會來設計干預措施、打擊錯誤/虛假訊息，如圖十一所示。 

（五） 研究限制

本研究僅分析Twitter上的推文，未來的研究可考慮其他社群媒體。此外，本研究只檢查了最初的推文，未來的研究可進一步分析對推文的回應，蒐集更多關於疫苗的意見。儘管在檢查的時間段內選擇了轉推次數最多的推文，但應進一步檢驗哪些訊息類型和說服策略被轉推的次數最多。

六、 結論

本研究強調當前社群媒體大量地傳播錯誤/虛假訊息，會影響公眾的健康行為和決策。在COVID-19大流行的情況下，更有可能威脅全人類的生命。為了打擊錯誤/虛假訊息，必須了解他們怎麼進行傳播。

與本研究問題意識相關的概念與延伸對話：

1. 風險放大：本研究對反疫苗推文的內容分析有助於研究者理解為什麼媒體會提高公眾對COVID-19疫苗的風險感知，本研究所使用的編碼表也可以做為相關研究編碼時的參考。

2. 陰謀論：本研究在處理錯誤/虛假訊息的過程中有提到反疫苗陰謀論的影響，研究者可進一步閱讀相關文章。

延伸閱讀：(請用學術體例將參考文獻中值得延伸閱讀之文章、書籍或網址列於此處) 

本研究編碼表參考研究：

Moran, M., Lucas, M., Everhart, K., Morgan, A., & Prickett, E. (2016). What makes anti-vaccine websites persuasive? A content analysis of techniques used by anti-vaccine websites to engender anti-vaccine sentiment. Journal of Communiation in Healthcare, 9(3), 151–163.

資料狀況：

■ 電子檔（摘要／全文）:     全文      

□ 紙本（摘要／全文）:           

□ 其他狀況：           

如有重要相關圖表及附件請附在本頁後面，並在「其他狀況」項目內註明，如：附表四張。