Embedded Files
書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：
Kang, G. J., Ewing-Nelson, S. R., Mackey, L., Schlitt, J. T., Marathe, A., Abbas, K. M., & Swarup, S. (2017). Semantic network analysis of vaccine sentiment in online social media. Vaccine, 35(29), 3621-3638.
社群媒體中疫苗情感的語義網絡分析
導讀者：李妍頻
原作摘要：
研究目的：分析美國Twitter用戶對疫苗的討論，建構語義網絡檢查社群媒體上的疫苗情感，協助疫苗的公共衛生宣傳。
研究背景：疫苗猶豫導致美國疫苗接種覆蓋率不理想，構成疾病爆發的重大風險，但仍知之甚少。
研究方法：作者以美國Twitter用戶發布的推文建構疫苗訊息的語義網絡、比較語義差異、確定網絡中表達正面、負面和中性疫苗情感的概念。
研究結果：與較大的、聯繫較少的負面疫苗情感網絡相比，正面疫苗情感的語義網絡在話語中表現出更大的凝聚力。正面情感網絡以父母為中心，重點傳達健康風險和利益，突出麻疹、自閉症、HPV疫苗、疫苗-自閉症連結、腦膜炎球菌病和MMR疫苗等醫學概念。相比之下，負面網絡以兒童為中心，集中在醫生、主流媒體、製藥公司和美國等組織機構。負面疫苗情感的盛行通過各種訊息得到證明，這些訊息圍繞著對傳播支持疫苗正面益處的科學證據的政府組織的懷疑和不信任。
結論：社群媒體中疫苗情感的語義網絡分析可以增強當前對疫苗的態度和信念的範圍和可變性的理解。作者的研究綜合了來自跨學科方法的定量和定性證據，以更好地了解疫苗猶豫的複雜驅動因素，提高美國的疫苗信心和疫苗接種覆蓋率。
關鍵字：疫苗猶豫、疫苗情感、語義網絡分析、社群媒體、Twitter
一、概念簡介
（一）疫苗猶豫
疫苗猶豫是指一種信念、態度和行為的組合，這些信念、態度和行為會影響個人在疫苗可用的情況下，拒絕、拖延或不情願地接受疫苗接種。疫苗猶豫源於社會文化、政治和其他非醫學因素，然而目前的研究對這些因素知之甚少。
（二）社群網絡分析和數位流行病學
網際網路和社群媒體的出現為（錯誤）訊息的說服和快速傳播提供了新的平台，也為古老的公共衛生問題帶來了新的挑戰和機遇。社群網絡分析 (SNA) 廣泛研究對公共衛生具有重大影響的社會互動，因為研究者可以利用網路數據檢查大規模人群的動態。
（三）語義網絡
語義網絡是基於文本的關係圖形表示，其結構為相關的詞彙網絡，在本研究中為疫苗訊息。在語義網絡中，節點是表示在文本中發現的概念的詞。連接節點與節點之間的稱為邊，用來表示概念與概念之間的關係。語義網絡是透過識別歸納出相同概念的集群，而不是分析單一詞彙出現的頻率。透過這種方式，可以增強對社群媒體上複雜健康行為的理解。
二、研究方法
（一）數據檢索和文本選擇
作者是用ChatterGrabber這一種網絡抓取工具，隨機採樣美國 Twitter 用戶的公開推文（有關 ChatterGrabber 的詳細訊息，包括搜索詞條件、限定詞和排除項，請參見附錄A）。作者選擇的文本類型包括部落格文章、媒體報導、訊息文章和新聞報導，排除了學術出版物、法庭文件和媒體格式，如圖像、PDF文件和影片。
作者在 2015 年 4 月 16 日至 2015 年 5 月 29 日期間，收集了 26,389 條推文，從中獲得了 8416 個獨立的網址。為了選擇具有代表性的文本，作者篩選了前 100 個最常分享的網址，隨機抽取了 50 個進行分析。
（二）疫苗情感編碼
本研究由三名研究人員共同編碼，根據全文的內容，將鼓勵接種疫苗和突顯疫苗好處的文章編為正面情感；不鼓勵接種疫苗和突顯疫苗的風險編為負面情感；模稜兩可或情感混雜的文章編為中性。
（三）疫苗情感網絡的建構
本研究將具有類似情感的文本組成一個語義網絡，正面情感、負面情感、中性各一個（有關疫苗情感網絡的註釋、建構和分析的詳細訊息請參見附錄B）。
（四）語義網絡分析
作者以NetworkX和iGraph建構和分析語義網絡，再用Gephi製作視覺化的圖表。分析的項目包括網絡規模（節點總數，即疫苗概念）、密度（節點的互聯性）和直徑（網絡的緊湊性）。作者也評估了多種中心性度量，包括度中心性、介數中心性、接近中心性和特徵向量中心性。這些度量以各種方式描述了語義網絡中概念的重要性、影響或意義。
三、研究結果
（一）文本特徵
表1描述樣本的類型、來源、目標疫苗人群、疫苗類型重點和特定疫苗主題。其中，部落格文章是被分享最多次的文本類型，其次是新聞。在50個樣本中，有23個文本具有正面的疫苗情感、21個文本具有負面的疫苗情感、6個文本被歸類為中性。正面情感的內容主要是針對特定的兒童、青少年和成人疫苗，負面情感的內容則集中在兒童疫苗和一般疫苗接種上。
（二）文本網絡
疫苗文本的網絡屬性總結在表 2 中。
（三）疫苗情感網絡
負面情感網絡的規模最大（1140 個概念），但密度（0.0027）比正面情感網絡（0.0061）小。社群檢測分析確定了正面情感網絡中的21個不同社群、負面網絡中的31個社群和中立網絡中的10個社群。其中，負面情感網絡和中性網絡凝聚的社群數量超過了原始文本的數量，而正面情感網絡形成的社群少於原始文本數，表明正面情感的概念凝聚力比負面情感的大。相應地，正面情感網絡的中心性更高。
（四）核心概念
圖2是以度中心性、介數中心性和接近中心性推導出情感網絡的重要概念。圖3則是按照向量中心性篩選出三個情感網絡中最核心的概念。撇除疫苗和疫苗接種等預期節點，正面情感網絡的核心概念包括父母、麻疹、兒童、SB 277、自閉症、社區、宗教團體、反疫苗接種、疫苗-自閉症連結、HPV疫苗、腦膜炎球菌病和MMR疫苗。負面情感網絡的核心概念包括兒童、硫柳汞、CDC、疫苗產業、汞、自閉症、流感疫苗、主流媒體、醫生、SB 277、疫苗成分、強制疫苗和製藥公司。中立網絡的核心概念則包括SB 277、反疫苗、父母、孩子、百日咳疫苗、家庭學校。
四、討論
（一）疫苗情感的語義網絡分析
記憶心理學的研究證明，一個人閱讀或聽到某一個詞彙時，內部的語義網絡會被激發，從這個節點傳播到附近的節點。由此看來，接近中心性是理解疫苗接種語義網絡的有用指標。
正面情感網絡中的重要概念與健康和醫學有關，例如麻疹、自閉症、HPV疫苗、疫苗-自閉症連結、腦膜炎球菌病和MMR疫苗。相比之下，負面網絡的重要概念指的是CDC、醫生、主流媒體、製藥公司等機構。一個顯著的對比是正面網絡的核心概念是父母；負面情感網絡的核心概念則是兒童。
與正面情感網絡相比，負面情感網絡具有更多的概念、更低的密度、更大的直徑和更大的平均路徑長度（表2）。換言之，正面情感網絡具有更大的凝聚力，負面情感網絡則涉及廣泛的主題，是疫苗猶豫的潛在因素。
（二）訊息框架
正面和負面情感的文章在信任框架上存在著差異：正面文章強調對疫苗接種的信任，以科學證據做為可信賴的標準；負面文章的重點不在疫苗接種的科學本身，而是圍繞著管理個人健康事務的機構；中性文章則是引用各種新聞報導表達對疫苗的正面或負面情感。
（三）對公共衛生的影響
社群媒體中疫苗情感的語義網絡分析可以增強我們對疫苗接種態度和信念的範圍和可變性的理解。本研究發現，必須凸顯疫苗的好處並改善公眾對科學機構不信任的問題才有辦法提高公眾對疫苗的信心以及疫苗接種的覆蓋率。本研究所得出的影響疫苗猶豫的因素，有助於為目標人群制定有效的溝通策略。
（四）研究限制
Twitter上流行的疫苗情感可能無法反映實際的疫苗情感。
很難為中性情感的文章編碼，因為混合正面和負面的情感，不是真正的中立。
很難界定疫苗情感，因為健康行為是建立在隨時間變化的各種信念上。
（五）結論
本研究發現使用語義網絡分析可以有效分析疫苗情緒，研究結果也顯示，有更多疫苗相關的主題可以研究。透過本研究發現的正、負面疫苗情感的概念可以幫助機構制定針對性的疫苗傳播策略，提高公眾對疫苗的信心。
與本研究問題意識相關的概念與延伸對話：
疫苗猶豫：本研究發現可以幫助我們理解疫苗猶豫的因素，只是作者蒐集的是社群媒體上對所有疫苗的討論，在沒有區分疾病的情況下，沒有辦法知道公眾對於個別疫苗的疑慮是什麼。
情感分析：昱廷上次呈現的是公眾對covid-19疫苗在時間上的情感變化，若能在情感出現轉折的時候，挑出文本中的正面/負面詞彙，更能讓讀者了解情感發生變化的原因。
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)
另一篇對疫苗情感的情感分析研究：
Xu, Z., & Guo, H. (2018). Using text mining to compare online pro-and anti-vaccine headlines: word usage, sentiments, and online popularity. Communication studies, 69(1), 103-122.
作者運用文字探勘和情感分析兩種方法比較支持和反對疫苗兩種態度的詞彙使用、情感和流行度。研究發現，反對疫苗的訊息可能使用負面情感和信任相關的詞彙，在網路上比支持疫苗的訊息更受歡迎。
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。
Semantic network analysis of vaccine sentiment in online social media_李妍頻摘要.docxGoogle Sites
Report abuse