Maschinelles Lernen, Sentiment-Analyse und Tweets: Eine Untersuchung des Stigmas von Alzheimer-Krankheit auf Twitter

ZIELSETZUNGEN: Sozialwissenschaftler benötigen praktische Methoden zur Nutzung großer, öffentlich verfügbarer Datensätze, die den sozialen Kontext des Alterns informieren. Wir beschreiben unsere Entwicklung einer semi-automatisierten Textkodierungsmethode und nutzen eine Inhaltsanalyse der Darstellung von Alzheimer-Krankheit (AD) und Demenz auf Twitter, um deren Anwendung zu demonstrieren. Der Ansatz verbessert die Durchführbarkeit der Untersuchung großer öffentlich verfügbarer Datensätze. METHODEN: Maschinelles Lernen wurde verwendet, um die Stigmatisierung zu modellieren, die in 31.150 AD-bezogenen Tweets zum Ausdruck kam, die über die Such-API von Twitter basierend auf 9 AD-bezogenen Schlüsselwörtern gesammelt wurden. Zwei Forscher kodierten manuell 311 zufällige Tweets zu 6 Dimensionen. Diese Eingabe von 1 % des Datensatzes wurde verwendet, um einen Klassifikator gegen den Tweet-Text zu trainieren und die verbleibenden 99 % des Datensatzes zu kodieren. ERGEBNISSE: Unser automatisierter Prozess identifizierte, dass 21,13 % der AD-bezogenen Tweets AD-bezogene Schlüsselwörter verwendeten, um das öffentliche Stigma zu perpetuieren, was Stereotypen und negative Erwartungen für Personen mit der Krankheit beeinflussen und "übermäßige Behinderung" erhöhen könnte. DISKUSSION: Diese Technik könnte auf Fragen der sozialen Gerontologie angewendet werden, die betreffen, wie soziale Medien Einstellungen hinsichtlich anderer entwicklungsbezogener Ergebnisse widerspiegeln und formen. Empfehlungen zur Sammlung und Analyse großer Twitter-Datensätze werden diskutiert.