自动应用可信度评估工具追踪社交媒体上分享的疫苗接种相关通信

背景：用于评估健康信息可信度的工具应用耗时，且需要特定情境的专业知识，这限制了它们在快速识别和遏制错误信息传播方面的使用。我们的目的是估计 Twitter 上与疫苗接种相关的帖子中可能为错误信息的比例，以及 Twitter 用户间错误信息暴露的不均衡程度。方法：从 2017 年 1 月至 2018 年 3 月期间在 Twitter 上分享的 144,878 个疫苗接种相关网页中抽样，我们使用改编自两种经验证工具的七点检查表对其中 474 个小子集的可信度进行评估。这些被用于训练若干分类器（随机森林、支持向量机和带迁移学习的循环神经网络），利用网页文本预测信息是否满足七项标准中的每一项。结果：将性能最佳的 classifier 应用于 144,878 个网页，我们发现基于文本通信的相关帖子中有 14.4% 链接到低可信度网页，占所有潜在疫苗接种相关暴露的 9.2%。然而，100 个最受欢迎的错误信息链接可能被 200 万至 8000 万 Twitter 用户看到，并且对于参与疫苗接种相关信息的大量 Twitter 用户子群体而言，错误信息链接似乎主导了他们所暴露的疫苗接种相关信息。结论：我们提出了一种基于经验证检查表工具组合自动评估网页可信度的新方法。结果表明，自动可信度评估工具可用于发现暴露于错误信息风险较高的群体，或主动应用以为低可信度疫苗接种信息的分享增加阻力。