Instagram上的疫苗:研究巴西背景下表达的情绪

IF 1 Q3 COMMUNICATION
Geilson Fernandes-de-Oliveira, L. Massarani, T. Oliveira, Graziele Scalfi, Marcelo Alves-dos-Santos-Junior
{"title":"Instagram上的疫苗:研究巴西背景下表达的情绪","authors":"Geilson Fernandes-de-Oliveira, L. Massarani, T. Oliveira, Graziele Scalfi, Marcelo Alves-dos-Santos-Junior","doi":"10.14198/medcom.24190","DOIUrl":null,"url":null,"abstract":"Com o surgimento da Covid-19, as discussões sobre vacinas começaram a ter um impacto maior em todo o mundo. Nas redes sociais, espaços em que diferentes públicos produzem conteúdos e expressam suas percepções e interesses, as publicações sobre vacinas tornaram-se um dos principais temas de debate público. Neste artigo, nosso objetivo é identificar e analisar os sentimentos e emoções expressos em torno da vacina e dos processos de vacinação no contexto brasileiro durante os anos de 2020 e 2021. Para isso, tomamos como corpus empírico uma amostra aleatória construída a partir de postagens públicas em o assunto no Instagram, coletados por meio da interface gráfica do Crowdtangle. O processo de classificação e identificação das emoções é realizado com base nos descritores padronizados da Human-Machine Interaction Network on Emotion (HUMAINE), seguindo-se a adoção do modelo circumplex (Core Affect Model) de Russell (2003). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes). seguido pela adoção do modelo circumplex de Russell (2003) (Core Affect Model). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes). seguido pela adoção do modelo circumplex de Russell (2003) (Core Affect Model). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes).","PeriodicalId":43974,"journal":{"name":"Revista Mediterranea Comunicacion-Journal of Communication","volume":" ","pages":""},"PeriodicalIF":1.0000,"publicationDate":"2023-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"A vacina no Instagram: estudo das emoções expressas no contexto brasileiro\",\"authors\":\"Geilson Fernandes-de-Oliveira, L. Massarani, T. Oliveira, Graziele Scalfi, Marcelo Alves-dos-Santos-Junior\",\"doi\":\"10.14198/medcom.24190\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Com o surgimento da Covid-19, as discussões sobre vacinas começaram a ter um impacto maior em todo o mundo. Nas redes sociais, espaços em que diferentes públicos produzem conteúdos e expressam suas percepções e interesses, as publicações sobre vacinas tornaram-se um dos principais temas de debate público. Neste artigo, nosso objetivo é identificar e analisar os sentimentos e emoções expressos em torno da vacina e dos processos de vacinação no contexto brasileiro durante os anos de 2020 e 2021. Para isso, tomamos como corpus empírico uma amostra aleatória construída a partir de postagens públicas em o assunto no Instagram, coletados por meio da interface gráfica do Crowdtangle. O processo de classificação e identificação das emoções é realizado com base nos descritores padronizados da Human-Machine Interaction Network on Emotion (HUMAINE), seguindo-se a adoção do modelo circumplex (Core Affect Model) de Russell (2003). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes). seguido pela adoção do modelo circumplex de Russell (2003) (Core Affect Model). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes). seguido pela adoção do modelo circumplex de Russell (2003) (Core Affect Model). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes).\",\"PeriodicalId\":43974,\"journal\":{\"name\":\"Revista Mediterranea Comunicacion-Journal of Communication\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":1.0000,\"publicationDate\":\"2023-07-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Mediterranea Comunicacion-Journal of Communication\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14198/medcom.24190\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q3\",\"JCRName\":\"COMMUNICATION\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Mediterranea Comunicacion-Journal of Communication","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14198/medcom.24190","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"COMMUNICATION","Score":null,"Total":0}
引用次数: 0

摘要

随着新冠肺炎的出现,有关疫苗的讨论开始在世界各地产生更大的影响。在社交网络中,不同的受众在这里制作内容并表达他们的看法和兴趣,关于疫苗的出版物已成为公众辩论的主要话题之一。在这篇文章中,我们的目标是识别和分析2020年和2021年巴西背景下围绕疫苗和疫苗接种过程表达的感受和情绪。为此,我们采用了一个随机样本作为实证语料库,该样本是从Instagram上关于该主题的公开帖子中构建的,通过Crowdtangle的图形界面收集。情绪的分类和识别过程是基于情绪人机交互网络(HUMAINE)的标准化描述符进行的,然后采用Russell的环丛模型(核心情感模型)(2003)。因此,数据分析表明,在巴西的情况下,与疫苗有关的积极情绪(如希望和信心)普遍存在,而不满和担忧等负面情绪在语料库中被确定为背景因素(时任总统贾伊尔·博索纳罗的形象、他的演讲和行动,以及新冠肺炎的发展和新变种的出现)。随后采用了Russell的环丛模型(2003)(核心情感模型)。因此,数据分析表明,在巴西的情况下,与疫苗有关的积极情绪(如希望和信心)普遍存在,而不满和担忧等负面情绪在语料库中被确定为背景因素(时任总统贾伊尔·博索纳罗的形象、他的演讲和行动,以及新冠肺炎的发展和新变种的出现)。随后采用了Russell的环丛模型(2003)(核心情感模型)。因此,数据分析表明,在巴西的情况下,与疫苗有关的积极情绪(如希望和信心)普遍存在,而不满和担忧等负面情绪在语料库中被确定为背景因素(时任总统贾伊尔·博索纳罗的形象、他的演讲和行动,以及新冠肺炎的发展和新变种的出现)。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
A vacina no Instagram: estudo das emoções expressas no contexto brasileiro
Com o surgimento da Covid-19, as discussões sobre vacinas começaram a ter um impacto maior em todo o mundo. Nas redes sociais, espaços em que diferentes públicos produzem conteúdos e expressam suas percepções e interesses, as publicações sobre vacinas tornaram-se um dos principais temas de debate público. Neste artigo, nosso objetivo é identificar e analisar os sentimentos e emoções expressos em torno da vacina e dos processos de vacinação no contexto brasileiro durante os anos de 2020 e 2021. Para isso, tomamos como corpus empírico uma amostra aleatória construída a partir de postagens públicas em o assunto no Instagram, coletados por meio da interface gráfica do Crowdtangle. O processo de classificação e identificação das emoções é realizado com base nos descritores padronizados da Human-Machine Interaction Network on Emotion (HUMAINE), seguindo-se a adoção do modelo circumplex (Core Affect Model) de Russell (2003). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes). seguido pela adoção do modelo circumplex de Russell (2003) (Core Affect Model). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes). seguido pela adoção do modelo circumplex de Russell (2003) (Core Affect Model). Como consequência, a análise dos dados aponta para a prevalência de emoções positivas como esperança e confiança em relação à vacina no cenário brasileiro, enquanto emoções negativas como reprovação e preocupação são identificadas no corpus quanto aos fatores contextuais (a figura do então presidente Jair Bolsonaro, seus discursos e ações, bem como o avanço da Covid-19 e o surgimento de novas variantes).
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
2.20
自引率
18.20%
发文量
48
审稿时长
8 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信