Ir al contenido

Documat

Desinformación y vacunas en redes: comportamiento de los bulos en Twitter

  • Noguera Vivo, José Manuel [1] ; Grandío-Pérez, María del Mar [2] ; Villar-Rodríguez, Guillermo [3] ; Martín, Alejandro [3] ; Camacho, David [3]
    1. [1] Universidad Católica San Antonio

      Universidad Católica San Antonio

      Murcia, España

    2. [2] Universidad de Murcia

      Universidad de Murcia

      Murcia, España

    3. [3] Universidad Politécnica de Madrid

      Universidad Politécnica de Madrid

      Madrid, España

    Mostrar afiliaciones +
  • Localización: Revista Latina de Comunicación Social, ISSN-e 1138-5820, Nº. 81, 2023
  • Idioma: español
  • DOI: 10.4185/RLCS-2022-1820
  • Títulos paralelos:
    • Disinformation and vaccines on social networks: behavior of hoaxes on Twitter
  • Enlaces
  • Resumen
    • español

      Introducción: Los bulos antivacunas son un tipo de desinformación sanitaria con gran peligro, dados sus efectos tangibles en la sociedad. Existen investigaciones relevantes sobre tipología de bulos, discursos negacionistas en redes o popularidad de las vacunas, pero este estudio aporta una visión complementaria y pionera, centrada en el discurso antivacunas de COVID-19 en Twitter desde la perspectiva del comportamiento de las cuentas que difunden desinformación. Metodología: A partir del método de FacTeR-Check, compuesto por cinco fases y una primera muestra basada en un centenar de bulos (diciembre de 2020 y septiembre de 2021) se descargaron 220.246 tuits, filtrados para trabajar con inteligencia artificial y técnicas de inferencia de lenguaje natural (NLI) sobre una segunda muestra de más de 36.000 tuits (N=36.292). Resultados: Los resultados ofrecen predominancias de algunos tipos de producción de desinformación, así como la eficacia de crear contenido original falso para agrupar seguidores o la identificación de un periodo (2013-2020) de más dominación de los usuarios que apoyan bulos, frente a los que los niegan. Discusión: El artículo muestra cómo la tipología o morfología de las cuentas puede ser un factor predictivo acerca del comportamiento de dichos usuarios respecto al caso particular de los bulos analizados. Conclusiones: Se ofrecen patrones de comportamiento del discurso antivacunas en Twitter, que pueden ayudar a gestionar futuros fenómenos similares. Dado el significativo tamaño de la muestra y de las técnicas empleadas, se puede concluir que este trabajo establece una base sólida para otros estudios comparativos sobre desinformación y salud en redes sociales.

    • English

      Introduction: Anti-vaccine hoaxes are a highly dangerous type of health misinformation, given their direct effects on society. Although there is relevant research on typology of hoaxes, denialist discourses on networks or about the popularity of vaccines, this study provides a complementary and new vision, focused on the anti-vaccine discourse of COVID-19 on Twitter from the perspective of the behavior of the accounts that spread disinformation. Methodology: Using the FacTeR-Check method, with five phases and a first sample of a hundred hoaxes (December 2020 and September 2021), 220,246 tweets were downloaded, filtered to work with AI and natural language inference techniques (NLI) on a second sample of more than 36,000 tweets (N=36,292). Results: The results offer predominance of some types of disinformation production, as well as the effectiveness of creating false original content to gather followers or the identification of a period (2013-2020) of more domination of users who support hoaxes, compared to those who deny it. Discussion: The article shows how the typology of the accounts can be a predictive factor about the behavior of users who spread disinformation. Conclusions: Similar behavioral patterns of anti-vaccine discourse on Twitter are offered, which can help manage future similar phenomena. Given the significant size of the sample and the techniques used, it can be concluded that this work establishes a solid foundation for other comparative studies on disinformation and health in social networks.

  • Referencias bibliográficas
    • Almansa-Martínez, A., Fernández-Torres, M. J. y Rodríguez-Fernández, L. (2022). Desinformación en España un año después de la COVID-19. Análisis...
    • Aparici, R., García-Marín, D. y Rincón-Manzano, L. (2019). Noticias falsas, bulos y trending to-pics. Anatomía y estrategias de la desinformación...
    • Blankenship, E. B., Goff, M. E., Yin, J., Tse, Z. T. H., Fu, K. W., Liang, H. y Fung, I. C. H. (2018). Sentiment, contents, and retweets:...
    • Bodaghi, A. y Oliveira, J. (2022). The theater of fake news spreading, who plays which role? A study on real graphs of spreading on Twitter....
    • Carrasco-Polaino, R., Martín-Cárdaba, M. y Villar-Cirujano, E. (2021). Citizen participation in Twitter: Anti-vaccine controversies in times...
    • Caro-Castaño, Lucía (2015). La identidad mosaico como modo de subjetividad propio de las redes sociales digitales y sus formas de comunicación...
    • Deiner, M. S., Fathy, C., Kim, J., Niemeyer, K., Ramirez, D., Ackley, S. F. y Porco, T. C. (2019). Facebook and Twitter vaccine sentiment...
    • Döveling, K. Harju, A. y Sommer, D. (2018). From mediatized emotion to digital affect cultures: New technologies and global flows of emotion....
    • El-Mohandes A., White, T.M., Wyka, K. et al. (2021). COVID-19 vaccine acceptance among adults in four major US metropolitan areas and nationwide....
    • Evanega, S. et al. (2021). Coronavirus misinformation: quantifying sources and themes in the COVID-19 infodemic. JMIR, 10. https://bit.ly/3HoN1RM
    • Garimella, V. R. K. y Weber, I. (2017). A long-term analysis of polarization on Twitter. En Proceedings of the International AAAI Conference...
    • Granovetter, M. S. (1973). The strength of weak ties. American journal of sociology, 78(6), 1360-1380. https://bit.ly/3sD5AgO
    • Himelboim, I., Xiao, X., Lee, D. K. L., Wang, M. Y. y Borah, P. (2020). A social networks approach to understanding vaccine conversations...
    • Huertas-García, Á., Huertas-Tato, J., Martín, A. y Camacho, D. (2021). CIVIC-UPM at CheckThat! 2021: integration of transformers in misinformation...
    • Huertas-García, Á., Huertas-Tato, J., Martín, A. y Camacho, D. (2021). Countering Misinformation Through Semantic-Aware Multilingual Models....
    • Huertas-Tato, J., Martín, A. y Camacho, D. (2021). SML: a new Semantic Embedding Alignment Transformer for efficient cross-lingual Natural...
    • Ireton, Cherilyn, y Posetti, Julie (eds). (2018). Journalism, ‘fake news’ and disinformation: Handbook for journalism education and training....
    • Islam, M.S. et al. (2020). COVID-19-related infodemic and its impact on public health: a global social media analysis. The American Journal...
    • Kietzmann, J. H., Hermkens, K., McCarthy, I. P. y Silvestre, B. S. (2011). Social media? Get serious! Understanding the functional building...
    • Kim, H. K., Ahn, J., Atkinson, L. y Kahlor, L.A. (2020). Effects of COVID-19 misinformation on information seeking, avoidance, and processing:...
    • Knuutila, A., Neudert, L. y Howard, P. (2020). Global fears of disinformation: Perceived Internet and Social Media Harms in 142 countries,...
    • Kouzy, R., Abi Jaoude, J., Kraitem, A., El Alam, M. B., Karam, B., Adib, E., Zarka, J., Traboulsi, C., Akl, E. W. y Baddour, K. (2020). Coronavirus...
    • Kummervold, P. E., Martin, S., Dada, S., Kilich, E., Denny, C., Paterson, P. y Larson, H. J. (2021). Categorizing Vaccine Confidence With...
    • Larrondo-Ureta, A., Fernández, S.-P., & Morales-i-Gras, J. (2021). Desinformación, vacunas y Covid-19. Análisis de la infodemia y la conversación...
    • Loomba, Sahil, de Figueiredo, A., Piatek, S. J., de Graaf, K. y Larson, H. J. (2021). Measuring the impact of COVID-19 vaccine misinformation...
    • López-Martín, Á., Gómez-Calderón, B. y Córdoba-Cabús, A. (2021). Desinformación y verificación de datos. El caso de los bulos sobre la vacunación...
    • MacCartney, B. (2009). Natural language inference. Stanford University. https://bit.ly/3qsAtla
    • Mantzarlis, A. (2018). Fact-checking 101. 85-100. En Ireton, Cherilyn, y Posetti, Julie (eds). Journalism, ‘fake news’ and disinformation:...
    • Martín, A., Huertas-Tato, J., Huertas-García, Á., Villar-Rodríguez, G. y Camacho, D. (2021). FacTeR-Check: Semi-automated fact-checking through...
    • Morel, A.P.M. (2021). Negationism of the COVID-19 and popular health education: to beyond the necropolitics. Trabalho, Educação e Saúde, 19....
    • Nowak, S. A., Chen, C., Parker, A. M., Gidengil, C. A. y Matthews, L. J. (2020). Comparing covariation among vaccine hesitancy and broader...
    • Pérez-Escolar, M. y Noguera-Vivo, J.M. (eds.) (2022). Hate speech and polarization in participatory society. Routledge. https://bit.ly/3FE8EwB
    • Saby D. et al. (2021) Twitter Analysis of COVID-19 Misinformation in Spain. En Mohaisen D., Jin R. (eds.) Computational Data and Social Networks....
    • Salaverría, R., Buslón, N., López-Pan, F., León, B., López-Goñi, I. y Erviti, M.C. (2020). Desinformación en tiempos de pandemia: tipología...
    • Serrano-Puche, J. (2021). Digital desinformation and emotions: exploring the social risks of affective polarization. International Review...
    • Subbaraman, N. (2021). This COVID-vaccine designer is tackling vaccine hesitancy-in churches and on Twitter. Nature, 377-377. https://doi.org/10.1038/d41586-021-00338-y
    • Shahi, G.; Dirkson, A. y Majchrzak, T. (2021): An exploratory study of COVID-19 misinformation on Twitter. Online Social Networks and Media,...
    • Surian, D., Nguyen, D. Q., Kennedy, G., Johnson, M., Coiera, E. y Dunn, A. G. (2016). Characterizing Twitter discussions about HPV vaccines...
    • Thelwall, M., Kousha, K. y Thelwall, S. (2021). COVID-19 vaccine hesitancy on English-language Twitter. El Profesional de la información,...
    • Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N. y Polosukhin, I. (2017). Attention is all you need. Advances...
    • Yardi, S. y Boyd, D. (2010). Dynamic debates: An analysis of group polarization over time on twitter. Bulletin of Science, Technology &...
    • Zhou, X., Coiera, E., Tsafnat, G., Arachi, D., Ong, M. S. y Dunn, A. G. (2015). Using social connection information to improve opinion mining:...
    • Zucker, Jane R. et al., (2020). Consequences of Undervaccination — Measles Outbreak, New York City, 2018–2019. The New England Journal of...
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno