開發新冠疫苗，並在全球範圍內使用疫苗，成為了終結此次疫情的優先選項。然而當全世界科學家及醫學專家都在開發和測試新冠疫苗的同時，美國民眾對於是否接種疫苗產生了不同的意見。根據Pew Research Center最近的一次調研，2020年5月，71%受調研的美國民眾認為如果有疫苗，他們將一定或可能進行接種。然而這一比例在2020年9月驟降至51%。該調研指出，美國民眾擔憂的是疫苗的安全、有效性，以及疫苗的批准使用進程是否合規。
疫情如此嚴重，美國民眾對疫苗的接受度反而出現這種反覆，不由得讓人想知道個究竟。
基於超過兩萬名推特用戶的研究
美國羅切斯特大學Goergen數據科學中心的閭涵加及所在團隊成員進行了一項基於社交媒體的相關研究，基於超過兩萬名推特用戶，在2020年9-11月期間，發布的四萬多條表達了對於疫苗態度的相關推特（從六百萬條使用關鍵詞收集的推特中嚴格篩選），使用「人機耦合」機器學習框架，捕捉公眾對於即將上市的新冠疫苗的態度。
研究發現，對疫苗持不同態度的人群比例變化大致與疫情相關事件相對應，並且美國東南地區對疫苗的接受度相對較低。為了研究公眾態度的範圍和起因，研究使用多類別邏輯回歸，比較了這三組人的性別、年齡、社會資本、收入、宗教、政治傾向、地理位置、與疫情相關及不相關經歷的情感、以及官方統計到的郡層面疫情嚴重程度，並發現了顯著的區別。社會經濟狀況處於劣勢的人群更容易持有極化意見（支持或反對）。對與疫情相關經歷持有最負面情感的人群，往往更可能對疫苗持反對意見。使用反事件分析，研究發現美國民眾在談及潛在疫苗時，最關注的是安全、有效性以及政治因素。另外，改善民眾與疫情相關的經歷有利於提高對疫苗的接受度。研究在社交網絡層面，對公眾對於即將上市的新冠疫苗的態度調查，有助於未來制定更為有效的疫苗接種政策與方案。
研究利用基於transformer的自然語言處理模型，使用「人機耦合」機器學習框架，捕捉人們對於新冠疫苗的態度，並將其分為三組：支持疫苗、猶豫、反對疫苗。提出三項假設：
假設一
這三組人的性別、年齡、社會資本(social capital)、收入、宗教、政治傾向、地理位置有差異。
假設二
個人與疫情相關的經歷對其形成何種態度有影響。
假設三
個人感知到的郡層面疫情嚴重程度對其形成何種態度有影響。
國家及州層面民眾態度
美國民眾對於疫苗態度的佔比變化如下圖所示，其佔比變化和與疫情相關的事件大致對應。總體上，57.65%支持疫苗，19.30%持猶豫態度，剩下的持反對疫苗態度。
州層面對疫苗態度如下圖所示。美國東南地區、俄亥俄州、印第安納州與肯塔基州對疫苗持有一個相對低的支持態度。
研究還發現，內華達州、田納西州以及華盛頓州支持疫苗的人群佔比變化曲線與國家平均偏離最多。華盛頓州在9-11月期間，支持疫苗的人群佔比普遍比國家平均高，而內華達州支持疫苗人群佔比普遍比國家平均低。田納西州支持疫苗人群佔比變化較大。
女性更可能持猶豫態度。比較猶豫和反對疫苗的人群，研究發現，女性更有可能對疫苗持猶豫態度。
年齡越大，越支持疫苗。比較猶豫和反對疫苗的人群，研究沒有發現統計意義上年齡的顯著不同。然而在比較猶豫和支持疫苗的人群時，研究發現年齡越大的人，越有可能支持疫苗。這一發現與 Lazarus et al. (2020)的發現一致。可能的解釋是，年齡大的人群感染新冠病毒後死亡風險更高，避免感染新冠病毒的益處大於接種疫苗帶來的風險。
使用推特模式不同的人群，態度亦不同。擁有更多粉絲或更少好友或點更多贊的推特用戶更可能持極化態度（支持或反對）。
所在的小組更多的推特用戶更支持疫苗，發布推特數量更多的用戶更可能持反對態度。
收入較低的群體更可能持極化態度。比較猶豫和反對疫苗的人群，研究發現收入越低的群體，對疫苗越反對。另外一篇論文，Lazarus et al. (2020) 發現，收入越高的人群越支持疫苗。研究發現收入的影響更細微。
宗教群體更可能持極化態度。比較猶豫和反對疫苗的人群，以及猶豫和支持疫苗的人群后，研究發現宗教群體亦或更反對疫苗、亦或更支持疫苗。這一發現與Larson et al. (2014)吻合。
政治傾向不同，對疫苗所持態度不同。比較猶豫和反對疫苗的人群，研究發現關注特朗普的人群更反對疫苗，關注拜登的人群更可能持猶豫態度。比較猶豫和支持疫苗的人群，研究沒有發現關注特朗普的人群統計意義的顯著不同，然而研究發現關注拜登的人群更可能持猶豫態度。
非城市居民更反對疫苗。雖然所居住地理位置在三組互相比較中，並沒有統計意義不同，但研究在比較猶豫和反對疫苗兩組人群中發現，非城市居民統計意義上更可能反對疫苗。
個人在疫情期間的經歷以及所在郡的疫情嚴重程度對其所持態度有影響。比較猶豫和反對疫苗人群，猶豫和支持疫苗人群中，研究發現，個人對於在疫情期間的經歷情感越積極，其對疫苗的態度越正面。民眾所在郡的疫情越嚴重，民眾越有可能持猶豫態度。
以上發現均驗證了研究的三項假設。
總結
通過多類別邏輯回歸，研究發現支持、猶豫、反對三組人群特徵顯著不同。女性更容易持猶豫態度。年齡越大，越支持疫苗。社會資本(social capital)不同的人群，所持態度不同。低收入群體對疫苗的態度更極化。宗教群體對疫苗的態度更極化。政治傾向不同也會導致對疫苗態度的不同。個人與疫情相關的經歷和所在地區的疫情嚴重程度都對其對疫苗所持態度有影響。通過反事件分析，研究發現民眾對疫苗的態度，與政治，疫苗安全及有效性相關。去除政治因素有助於提高疫苗接受度。去除安全及有效性因素不利於提高疫苗接受度。改善個人對疫情的相關經歷有助於提高疫苗接受度。■
Be the first to comment