BERTopic-Virality Prioritisation: A Scalable Framework for Thematic and Comparative Analysis of COVID-19 and Monkeypox Misinformation on Twitter
Dit artikel introduceert BERTopic-VP, een schaalbaar framework dat contextuele embedding-clustering integreert met een virality-prioritiseringslaag en een hybride misinformatiedetector om de vroege identificatie en vergelijkende analyse van impactvolle gezondheidsgerelateerde misinformatie-narratieven over verschillende pandemieën heen mogelijk te maken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Wanneer een nieuwe ziekte opduikt, wordt de wereld geconfronteerd met twee gelijktijdige crises: het virus zelf en de vloedgolf aan valse informatie die zich er samen met het virus verspreidt. Deze tweede crisis, vaak een infodemie genoemd, kan net zo gevaarlijk zijn als de biologische. Op sociale mediaplatforms zoals Twitter, waar berichten kort zijn en zich met de snelheid van het licht verspreiden, kunnen valse verhalen over geneesmiddelen, oorsprong en veiligheidsmaatregelen sneller tractie krijgen dan officiële gezondheidsrichtlijnen. Traditionele methoden voor het volgen van deze verhalen schieten vaak tekort omdat ze vertrouwen op het tellen van hoe vaak specifieke woorden voorkomen. In de chaotische, snel veranderende taal van sociale media, waar mensen straattaal, hashtags en emoji's gebruiken, falen eenvoudige woordtellingen. Ze missen de diepere betekenis achter een bericht, waardoor ze ongerelateerde ideeën bij elkaar groeperen of een nieuw, gevaarlijk gerucht pas opmerken wanneer het al te ver is verspreid.
Om dit op te lossen, hebben onderzoekers aan de Manchester Metropolitan University een nieuwe manier ontwikkeld om naar de digitale ruis te luisteren. Ze creëerden een systeem dat niet alleen woorden telt, maar ook de betekenis erachter begrijpt, terwijl het tegelijkertijd aandacht besteedt aan de snelheid waarmee een verhaal zich verspreidt. Hun doel was om een instrument te bouwen dat overheidsinstanties voor volksgezondheid kan helpen om de gevaarlijkste leugens vroegtijdig op te merken, zelfs wanneer ze net beginnen te circuleren. Door een diep begrip van taal te combineren met een maatstaf voor hoeveel mensen een bericht delen, creëerden zij een raamwerk dat batches tweets kan doorzoeken om de specifieke narratieven te vinden die het grootste risico vormen voor de volksgezondheid.
De onderzoekers pasten dit nieuwe systeem, dat ze BERTopic-VP noemden, toe op echte data van twee grote gezondheidscrises: de wereldwijde pandemie veroorzaakt door het nieuwe coronavirus en de uitbraak van monkeypox in 2022. Ze voedden het systeem met batches tweets gerelateerd aan deze gebeurtenissen, waarbij ze groepen verwerkten variërend van 10.000 tot 100.000. In plaats van te zoeken naar specifieke trefwoorden, groepeerde het systeem de tweets eerst in clusters op basis van hun werkelijke betekenis. Het gebruikte geavanceerde taalmodellen om te begrijpen dat twee berichten die verschillende dingen zeggen, nog steeds over hetzelfde kernidee kunnen gaan, zoals wantrouwen tegenover de overheid of angst voor vaccins. Zodra de verhalen gegroepeerd waren, voegde het systeem een tweede laag van analyse toe: het keek naar hoeveel interactie elk verhaal kreeg. Het telde hoeveel mensen een bericht binnen elke groep leukden, deelden of erop reageerden. Dit stelde het systeem in staat om de verhalen te rangschikken, waarbij de nadruk werd gelegd op de verhalen die niet alleen populair waren, maar ook actief werden verspreid.
De resultaten toonden duidelijke verschillen aan in hoe misinformatie zich tijdens deze twee uitbraken gedroeg. Tijdens de coronaviruspandemie waren de valse verhalen zeer gevarieerd en complex. Ze bestreken een breed scala aan onderwerpen, van complottheorieën over de oorsprong van het virus tot debatten over de effectiviteit van mondkapjes en lockdown-maatregelen. De taal die in deze berichten werd gebruikt, was vaak dicht en moeilijk te lezen, waarbij de toon van een expert werd nagebootst om geloofwaardiger te klinken. In contrast hiermee was de misinformatie rond de monkeypox-uitbraak veel meer gefocust. De valse narratieven concentreerden zich zwaar op een paar specifieke thema's, zoals tekortkomingen in de vaccinverdeling en diep wantrouwen tegenover gezondheidsinstanties. Deze verhalen waren taalkundig eenvoudiger, makkelijker te lezen en droegen een veel sterkere emotionele lading, met name angst en woede.
De studie vond dat het systeem effectief was in zijn taak. Het identificeerde succesvol clusters van misinformatie met een hoog viraal potentieel, waarbij de top één procent van de verspreidende verhalen werd gemarkeerd voor menselijke beoordeling. In de monkeypox-data, waar de onderzoekers toegang hadden tot werkelijke deelcijfers, produceerde het systeem semantisch interpreteerbare onderwerpen en identificeerde het de meest actieve groepen op basis van waargenomen interactie. Voor de coronavirusdata, waar deelcijfers niet beschikbaar waren, gebruikte het systeem een slimme workaround: het leerde van de monkeypox-data welke linguïstische en psychologische kenmerken gewoon leiden tot veel delen, en paste die kennis vervolgens toe om te voorspellen welke coronavirusverhalen waarschijnlijk zouden verspreiden. Hierdoor kon het systeem risicovolle narratieven prioriteren, zelfs zonder directe toegang tot deelcijfers.
Cruciaal was dat de onderzoekers lieten zien dat het vermogen van een verhaal om zich te verspreiden niet altijd gekoppeld is aan de vraag of het waar of onwaar is. Het systeem vond veel zeer virale groepen berichten die feitelijk juist waren, zoals nieuwsupdates of officieel gezondheidsadvies. Daarom is het systeem ontworpen om in twee stappen te werken: eerst vindt het de verhalen die het snelst verspreiden; daarna gebruikt het een aparte controle om te bepalen of die verhalen waar zijn. Deze combinatie stelt instanties voor volksgezondheid in staat om hun beperkte tijd te richten op de specifieke leugens die de meeste tractie krijgen, in plaats van te proberen elke valse bewering te weerleggen of de snel bewegende verhalen die toevallig waar zijn te negeren.
De studie benadrukte ook dat de emotionele toon van een verhaal een krachtige drijfveer is voor de verspreiding ervan. De meest virale misinformatie werd vaak geschreven in eenvoudige taal die snel te begrijpen is, gecombineerd met sterke emoties zoals angst en woede. Dit suggereert dat leugens die gemakkelijk te verteren zijn en mensen intense emoties laten voelen, het meest waarschijnlijk worden gedeeld. Door deze patronen te identificeren, biedt het nieuwe raamwerk een praktische manier voor teams voor volksgezondheid om het digitale landschap te monitoren. Het fungeert als een vroeg waarschuwingssysteem dat de specifieke, risicovolle narratieven naar boven brengt die onmiddellijke aandacht vereisen voordat ze wijdverbreide schade kunnen aanrichten. Het werk laat zien dat door zowel de betekenis van de woorden als de mechanica van hoe ze reizen te begrijpen, we gemeenschappen beter kunnen beschermen tegen de gevaren van misinformatie tijdens gezondheidsnoodsituaties.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.