博文
[转载]美国案例：重大社会事件→科学信息传播→疫情发展？| NSO
|||
本博文转载自中国科学杂志社公众号 https://mp.weixin.qq.com/s/8TSI1Yood6zIFWJciDfMKw
南京大学计算传播学实验中心、深圳大学计算传播实验室和西澳大利亚大学复杂系统小组的研究团队提出了一个理论模型，并以COVID-19大流行下的美国为案例进行研究，发现：
有效的科学信息传播可以减缓疫情的发展；
疫情期间发生的重大社会事件（如疫情爆发初期美国前总统特朗普所提出的新冠起源阴谋论，以及2020年美国总统大选）会导致与疾病有关的科学信息传播受到干扰，同时增加感染率。
该团队建立理论模型，提供了一种机制来解释新冠大流行下大众对新冠议题注意力的分散。
相关成果近期在线发表于《国家科学进展》（National Science Open, NSO）。
重大社会事件如何影响疫情传播，是各相关领域研究人员密切关注的重要课题。然而以往的数学模型并没有准确解释或模拟社会事件对防疫、疫情病例增长和防疫知识传播的影响。
在这项工作中，作者假设：提高人们对疾病的意识是防止疫情传播的最有效方法之一，因为这会改变人们的行为，使人们更懂得保护自己，从而降低被感染概率。然而伴随与传染病相关信息传播的还有重大社会事件和话题的传播，以及假新闻和错误信息等干扰信息的传播，这些与传染病无关的信息的传播可能会影响人们接收科学信息的概率。
为了理解重大社会干扰事件的影响，研究团队基于应用数学领域著名的SIR模型，提出了一个反映重大社会事件如何影响防疫知识传播和病例增长的双层网络传播模型。
研究团队以美国为案例进行研究，使用了三个真实数据集与模型进行对比，包括了美国的确诊数据、推特的话题数据以及推特上对科学文献的转发数据，发现包含了两个具体的重大事件的模型可以同时符合三个数据集变化的趋势。这两个事件为具体为：疫情爆发初期美国前总统特朗普所提出的新冠起源阴谋论，以及2020年美国总统大选。
研究者也对其他可能产生影响的重大事件和公共干预政策等进行了讨论，发现它们都不能很好的拟合真实数据，特别是确诊数据中发生在2020年10月和2021年1月的两个拐点。
该项研究揭示：疫情期间的特殊重大事件会导致科学信息传播的扰动，增加感染的流行率，并且，当事件发生时间越接近疫情早期和疫情的拐点时，事件造成的负面影响越大。
研究团队的成员、澳大利亚数学学会会士、澳大利亚联邦科工委-西澳大学复杂系统中心主席Michael Small教授指出，该模型通过与真实数据的完美拟合，为美国2020年新冠疫情的传染趋势提供了一个可信的解释，这个解释带来的意义是双重的。首先，在一般意义上，该工作提出的机制为公共卫生信息的传播提供了一个警示和反思，那就是，在传染病大流行下的信息传播应该首先考虑到大流行相关科学信息的清晰传播。其次，它提供了一种更具体的方式来理解作为防疫措施的科学信息传播与新冠传染之间的联系。
了解详情请读原文▼
[点击下方链接或阅读原文]
Information overload: How hot topics distract from news — COVID-19 spread in the USA
https://doi.org/10.1360/nso/20220051
https://blog.sciencenet.cn/blog-710430-1369659.html
上一篇：[转载]如何预测新旧学者或新旧科研基金之间的联系？
