Descripción del título
Desinformación y vacunas en...
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
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
Analítica
analitica Rebiun32206028 https://catalogo.rebiun.org/rebiun/record/Rebiun32206028 221128s2023 xx o 000 0 spa d https://dialnet.unirioja.es/servlet/oaiart?codigo=8568741 (Revista) ISSN 1138-5820 S9M oai:dialnet.unirioja.es:ART0001545537 https://dialnet.unirioja.es/oai/OAIHandler 19 DGCNT S9M S9M dc Desinformación y vacunas en redes: Comportamiento de los bulos en Twitter electronic resource] 2023 application/pdf Open access content. Open access content star 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 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 LICENCIA DE USO: Los documentos a texto completo incluidos en Dialnet son de acceso libre y propiedad de sus autores y/o editores. Por tanto, cualquier acto de reproducción, distribución, comunicación pública y/o transformación total o parcial requiere el consentimiento expreso y escrito de aquéllos. Cualquier enlace al texto completo de estos documentos deberá hacerse a través de la URL oficial de éstos en Dialnet. Más información: https://dialnet.unirioja.es/info/derechosOAI | INTELLECTUAL PROPERTY RIGHTS STATEMENT: Full text documents hosted by Dialnet are protected by copyright and/or related rights. This digital object is accessible without charge, but its use is subject to the licensing conditions set by its authors or editors. Unless expressly stated otherwise in the licensing conditions, you are free to linking, browsing, printing and making a copy for your own personal purposes. All other acts of reproduction and communication to the public are subject to the licensing conditions expressed by editors and authors and require consent from them. Any link to this document should be made using its official URL in Dialnet. More info: https://dialnet.unirioja.es/info/derechosOAI Spanish desinformación bulos vacunas Twitter inteligencia artificial información de salud España disinformation hoaxes vaccines Twitter artificial intelligence health information Spain text (article) Noguera Vivo, José Manuel. cre Grandío, María del Mar. cre Villar Rodríguez, Guillermo. cre Martín, Alejandro. cre Camacho Fernández, David. cre Revista Latina de Comunicación Social, ISSN 1138-5820, Nº. 81, 2023 Revista Latina de Comunicación Social, ISSN 1138-5820, Nº. 81, 2023 Revista Latina de Comunicación Social, ISSN 1138-5820, Nº. 81, 2023