ترجمه تخصصی ارزان مقاله کمیت محتوای کووید-19در کشمکش نظر سلامت آنلاین با استفاده از یادگیری ماشین (IEEE 2020)

ارسال توسط وب‌رویا در 2020, آی تریپل آی IEEE, انفورماتیک پزشکی, پزشکی, پزشکی عمومی, پژوهشی, داده کاوی در پزشکی, مقالات کووید-19

ترجمه تخصصی ارزان مقاله کمیت محتوای کووید-19در کشمکش نظر سلامت آنلاین با استفاده از یادگیری ماشین (IEEE 2020)

ترجمه فارسی چکیده مقاله:

مقدار زیادی از اطلاعات غلط بالقوه خطرناک کووید-19 بصورت آنلاین ظاهر می‌شود. در اینجا ما از یادگیری ماشین برای تعیین کمیت محتوای کووید-19 در بین مخالفان آنلاین برپایی راهنمایی بهداشت، به خصوص واکسیناسیون (“ضد واکس”) استفاده می‌کنیم. ما می‌دانیم که جامعه ضد وکس در حال توسعه بحث کمتر متمرکز در مورد کووید-19 نسبت به همتای خود، جامعه واکسیناسیون (“طرفدار واکس”) است. با این حال، انجمن ضد وکس طیف گسترده ای از “محبوبیت‌ها” از مباحث کووید-19 را به نمایش می‌گذارد، و از این رو می‌تواند به یک مقطع گسترده‌تر از افرادی که به دنبال راهنمایی آنلاین درباره کووید-19 هستند، متوسل شود. به‌عنوان مثال، افراد نسبت به واکسن کووید-19 که سریعاً ردیابی شده و یا افرادی که به دنبال داروهای جایگزین هستند، احتیاط می‌کنند. از این رو جامعه ضد واکس برای جلب حمایت جدید از جامعه طرفدار واکس، موقعیت بهتری به نظر می رسد. این امر نگران کننده است زیرا عدم پذیرش واکسن کووید-19 به معنای آن است که دنیا از تأمین سیستم ایمنی کم گله می‌شود و راه کشورها را برای تجدید آینده کووید-19 باز می‌کند. ما یک مدل ماشین ارائه می‌دهیم که این نتایج را تفسیر می‌کند و می‌تواند در ارزیابی اثر احتمالی استراتژی‌های مداخله کمک کند. رویکرد ما مقیاس‌پذیر است و از این رو با حل مشکل فوری سیستم عامل‌های رسانه‌های اجتماعی مبنی بر نیاز به تجزیه و تحلیل حجم عظیمی از اطلاعات نادرست سلامت و انکار اطلاعاتی سلامت آنلاین روبرو است.

 

عنوان مقاله انگلیسی:

Quantifying COVID-19 content in the online health opinion war using machine learning

چکیده مقاله انگلیسی:

A huge amount of potentially dangerous COVID-19 misinformation is appearing online. Here we use machine learning to quantify COVID-19 content among online opponents of establishment health guidance, in particular vaccinations (“anti-vax”). We find that the anti-vax community is developing a less focused debate around COVID-19 than its counterpart, the pro-vaccination (“pro-vax”) community. However, the anti-vax community exhibits a broader range of “flavors” of COVID-19 topics, and hence can appeal to a broader cross-section of individuals seeking COVID-19 guidance online, e.g. individuals wary of a mandatory fast-tracked COVID-19 vaccine or those seeking alternative remedies. Hence the anti-vax community looks better positioned to attract fresh support going forward than the pro-vax community. This is concerning since a widespread lack of adoption of a COVID-19 vaccine will mean the world falls short of providing herd immunity, leaving countries open to future COVID-19 resurgences. We provide a mechanistic model that interprets these results and could help in assessing the likely efficacy of intervention strategies. Our approach is scalable and hence tackles the urgent problem facing
social media platforms of having to analyze huge volumes of online health misinformation and disinformation.

تعداد صفحات مقاله: 10

تاریخ انتشار مقاله: 2020

نشریه: IEEE آی تریپل آی

فرمت فایل: pdf

حجم فایل: 1.51MB

 

لینک دانلود رایگان مقاله انگلیسی:

کمیت محتوای کووید-19در کشمکش نظر سلامت آنلاین با استفاده از یادگیری ماشین

** مبلغ ترجمه تخصصی ارزان این مقاله : 15000 تومان **

»»شما اکنون 50% از کل مبلغ ترجمه را پرداخت کرده و باقی مبلغ را پس از آماده شدن ترجمه خواهید پرداخت.

»»پس از ثبت سفارش ترجمه، طی حداکثر 5 روز کاری آینده، ترجمه فارسی به‌صورت دو فایل word و pdf برای شما آماده می‌شود و به شما اطلاع‌رسانی خواهد شد.

 

7500 تومان – سفارش ترجمه

فعلا امکان ارسال دیدگاه برای این پست وجود ندارد.