Cr\u00e9dito: CC0 Public Domain <\/p>\n
La actitud del p\u00fablico hacia el COVID-19 y sus tratamientos es m\u00e1s \u00abinfecciosa\u00bb que la enfermedad en s\u00ed, seg\u00fan un estudio nuevo estudio de Northwestern Medicine que utiliza Inteligencia Artificial (IA) para analizar tuits sobre el virus. Los investigadores estudiaron la influencia de Twitter en las creencias sobre la salud de la COVID-19, as\u00ed como la influencia competitiva de la evidencia cient\u00edfica frente a los discursos de los pol\u00edticos. <\/p>\n
Los hallazgos clave del estudio:<\/p>\n
\u00abEn el pandemia, las redes sociales han contribuido a gran parte de la informaci\u00f3n, la desinformaci\u00f3n y el sesgo de la actitud del p\u00fablico hacia la enfermedad, el tratamiento y la pol\u00edtica\u00bb, dijo el autor correspondiente del estudio, Yuan Luo, director de Inteligencia Artificial del Instituto de Inteligencia Aumentada en Medicina de la Universidad Northwestern Feinberg School of Medicine.<\/p>\n
\u00abNuestro estudio ayuda a las personas a darse cuenta y repensar las decisiones personales que toman cuando enfrentan la pandemia\u00bb, dijo Luo. \u00abEl estudio env\u00eda una ‘alerta’ a la audiencia de que la informaci\u00f3n que encuentran a diario puede ser correcta o incorrecta, y los gu\u00eda para elegir la informaci\u00f3n respaldada por evidencia cient\u00edfica s\u00f3lida. Tambi\u00e9n quer\u00edamos brindar informaci\u00f3n \u00fatil para los cient\u00edficos o proveedores de atenci\u00f3n m\u00e9dica, para que puedan transmitir su voz de manera m\u00e1s efectiva a audiencias espec\u00edficas\u00bb.<\/p>\n
El estudio fue publicado recientemente en el Journal of Medical Internet Research.<\/p>\n
\u00bfC\u00f3mo pueden los cient\u00edficos contrarrestar la informaci\u00f3n inexacta de los pol\u00edticos? <\/p>\n
\u00abLos pol\u00edticos pueden hablar de manera inexacta sobre la efectividad de un determinado tratamiento o decir que el COVID-19 no es gran cosa; es como la gripe\u00bb, dijo Luo, tambi\u00e9n director de IA en Ciencias Cl\u00ednicas y Traslacionales de la Universidad Northwestern. Instituto. \u00abEstos comentarios tienen un efecto tan fuerte como la evidencia cient\u00edfica real e impulsan las creencias de las personas. Esto es lo que nos preocupa\u00bb.<\/p>\n
Al comprender c\u00f3mo se ven afectadas las actitudes del p\u00fablico, los cient\u00edficos pueden tomar medidas para asegurarse de que los hechos cient\u00edficos y la evidencia tienen una voz lo suficientemente alta.<\/p>\n
\u00abComo cient\u00edfico, debe ser consciente de que necesita llevar la ciencia a la gente. Si no pone energ\u00eda en esto, sus esfuerzos pueden ser f\u00e1cilmente compensado por aquellos que hablan de manera irresponsable\u00bb, dijo Luo. \u00abEn el futuro, es posible que deseemos prestar m\u00e1s atenci\u00f3n a una campa\u00f1a de informaci\u00f3n p\u00fablica para educar a las personas sobre la vacuna a fin de maximizar el impacto de la inoculaci\u00f3n\u00bb.<\/p>\n
\u00bfC\u00f3mo influyen los tuits en las actitudes de las personas hacia el COVID-19? <\/p>\n
\u00abComo persona com\u00fan, debe ser consciente de lo que retuitea y verificar primero los hechos\u00bb, dijo Luo. \u00abY ten en cuenta que todo lo que ves en Twitter est\u00e1 moldeando tu actitud. Debes ser consciente de esto antes de dejar que los tweets y las opiniones de los dem\u00e1s moldeen los tuyos y te conviertas en parte de ese meg\u00e1fono\u00bb.<\/p>\n
\u00abMucho de las personas no son conscientes de cu\u00e1nto afectan sus creencias los tweets, y no se molestan en verificar lo que leen y retuitean. Cuando la informaci\u00f3n est\u00e1 sesgada, la ignoran o no la notan. Es como un efecto de marketing viral. . Se trata solo de llamar la atenci\u00f3n sobre un tema de moda, pero afecta a todos en las redes sociales\u00bb.<\/p>\n
\u00bfEn qu\u00e9 sentido es novedoso este estudio?<\/p>\n
El estudio es novedoso porque integra algoritmos de aprendizaje autom\u00e1tico y modelos epidemiol\u00f3gicos cl\u00e1sicos para investigar retrospectivamente los contenidos en las redes sociales y sus efectos, dijo Luo.<\/p>\n
El estudio tambi\u00e9n permite a otros investigadores \u00abmirar debajo del cap\u00f3\u00bb para comprender c\u00f3mo funciona este algoritmo de IA.<\/p>\n
Los algoritmos de aprendizaje autom\u00e1tico y aprendizaje profundo suelen ser mecanismos opacos de caja negra. Pero en este estudio, los investigadores prestaron especial atenci\u00f3n para mejorar la interpretabilidad del modelo.<\/p>\n
\u00abIdentificamos las tendencias fluctuantes de las actitudes p\u00fablicas a partir de los tweets, luego alineamos los eventos cient\u00edficos y no cient\u00edficos importantes asociados con estos tendencias\u00bb, dijo Luo. \u00abComo resultado, ofrecemos informaci\u00f3n sobre la que las personas pueden actuar\u00bb.<\/p>\n
\u00bfCu\u00e1ntos tweets analiz\u00f3 la IA?<\/p>\n
El equipo de Luo, dirigido por el primer autor del estudio, Hanyin Wang, un doctorado estudiante en el Programa de Graduados de Driskill, recopil\u00f3 retrospectivamente tweets relacionados con COVID-19 utilizando la API de Twitter. En total, recuperaron 92 687 660 tuits correspondientes a 8 967 986 usuarios del 6 de enero al 21 de junio de 2020. Para entrenar el modelo de IA, seleccionaron al azar 5000 de los tuits para anotarlos. Cada tuit se revis\u00f3 dos veces para decidir si cumpl\u00eda con alguno de los cuatro conceptos b\u00e1sicos del modelo de creencias sobre la salud, la susceptibilidad percibida, la gravedad percibida, los beneficios percibidos y las barreras percibidas.<\/p>\n
Pr\u00f3ximo paso: usar IA para analizar c\u00f3mo social los medios afectan las actitudes hacia las vacunas contra el COVID-19<\/p>\n
Actualmente, el equipo de Luo est\u00e1 integrando el aprendizaje autom\u00e1tico y el aprendizaje profundo en el estudio de c\u00f3mo las redes sociales pueden afectar la actitud del p\u00fablico en general hacia las vacunas contra el COVID-19. El objetivo es identificar preocupaciones p\u00fablicas espec\u00edficas e informar campa\u00f1as de vacunaci\u00f3n espec\u00edficas para maximizar el impacto de la inoculaci\u00f3n. Tambi\u00e9n est\u00e1n considerando el uso de datos de redes sociales como una forma de detectar disparidades de g\u00e9nero o raza dentro y fuera de la pandemia. <\/p>\n
Explore m\u00e1s<\/p>\n
Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) M\u00e1s informaci\u00f3n:<\/strong> Wang H. et al, Uso de tweets para comprender c\u00f3mo se ven afectadas las creencias sobre la salud relacionadas con el COVID-19 en la era de las redes sociales: Estudio de an\u00e1lisis de datos de Twitter, J Med Internet Res 2021;23(2):e26302, DOI: 10.2196\/26302 Informaci\u00f3n de la revista:<\/strong> Journal of Medical Internet Research <\/p>\n Proporcionado por la Universidad de Northwestern Cita<\/strong>: La actitud p\u00fablica hacia COVID-19 es m\u00e1s \u00abinfecciosa\u00bb que la enfermedad misma, muestra un estudio (2021, 1 de marzo) consultado el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/ 2021-03-attitude-covid-infectious-disease.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain La actitud del p\u00fablico hacia el COVID-19 y sus tratamientos es m\u00e1s \u00abinfecciosa\u00bb que la enfermedad en s\u00ed, seg\u00fan un estudio nuevo estudio de Northwestern Medicine que utiliza Inteligencia Artificial (IA) para analizar tuits sobre el virus. Los investigadores estudiaron la influencia de Twitter en las creencias sobre la salud de … Continuar leyendo \u00abLa actitud del p\u00fablico hacia el COVID-19 es m\u00e1s \u00abinfecciosa\u00bb que la enfermedad en s\u00ed, muestra un estudio\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-19289","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/19289","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=19289"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/19289\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=19289"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=19289"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=19289"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}