A vizsgálat 2020. január 1. és 2021. november 25. között nyílt forrásból fellelhető adatokra vonatkozott. A nyílt forrású információgyűjtés esetünkben módszertani korlátot jelent, ugyanis az általam használt szoftver ilyen módon nem lát rá a különböző zárt fórumokban, zárt csoportokban zajló diskurzusra, továbbá a különböző felhasználói jellemzők – mint például a nem – szintén korlátozottan értelmezhetőek csak, hiszen a felhasználói adatvédelmi beállítások függvénye, hogy a nemre (és egyebekre) vonatkozó információk elérhetőek-e.

A keresések esetében az ÉS (AND) operátort alkalmaztam, ami szűkíti a találatok listáját olyan tartalmakra, amelyek az összes definiált keresőkifejezést egyszerre tartalmazzák. Fontos, hogy olyan keresőkifejezéseket adjunk meg, amelyek nem szűkítik le túlzottan az eredményeket, így célszerű általánosabb kifejezéseket választani. Ennek relevanciáját a Pfizer vakcinája illusztrálja, hiszen, ha nem a köznapi használatban elterjedt formájára keresnénk rá, hanem mondjuk a „Pfizer/BioNTech” formát alkalmaznánk, kizárnánk azokat a találatokat, amelyekben csupán a „Pfizer” kifejezés szerepel, míg fordított esetben megkapjuk azokat is, amelyek a „BioNTech” kifejezést is tartalmazzák. További szempont, hogy az alkalmazott keresőkifejezéseket idézőjelek között használjuk, ugyanis ez szolgál arra, hogy a több szóból álló keresőkifejezések esetében értelmezze a szavak közti kapcsolatot. Ennek hiányában például a COVID AND Bill Gates keresőkifejezésnél minden olyan találatot listázott volna a szoftver, amely a Covid mellett akár a Bill, akár a Gates szót a másik hiányában is tartalmazza.

A szentimentanalízis segítségével a megosztott tartalmakhoz kapcsolódó érzelmi töltetet vizsgáltam, amely a kontextusból nyerhető ki. Ehhez a SentiOne (URL4) weboldalt vettem igénybe, ahol elérhető a szolgáltató azonos nevű social listening szoftvere, mely az egész világot lefedő, a tartalmakat hetven nyelven gyűjtő és értelmező, webes szöveganalitikán alapuló kulcsszavas keresés alapján, valós időben – vagy akár három évre visszamenően – figyeli, indexálja és elemzi az internetes fórumokon, blogokon, weboldalakon és közösségi médiacsatornákon közzétett publikus szöveges tartalmak minden típusát, melyek önmagukban vagy kontextusukban tartalmazzák a felhasználó által definiált és a platformra felvitt kulcskifejezések bármelyikét. A SentiOne adattárháza jelenleg több mint 20 milliárd adatra enged rálátást, és folyamatosan növekszik. A tartalmakat két nagyobb kategóriába sorolja: cikkekre és internetfelhasználók által generált tartalmakra. Utóbbiakhoz a rendszer automatikusan szentimentértéket is csatol: a bejegyzéseket pozitív, negatív és semleges kategóriákba sorolja egy saját fejlesztésű algoritmuson keresztül. A releváns tartalmakat kvantitatív kutatás céljából különböző fókuszpontok és kutatási paraméterek mentén rendezi össze. A kvalitatív mélyelemzéseket is támogató módszertani, technológiai felépítésével biztosítja a kutatáshoz kapcsolódó összes indexált tartalom, poszt, komment, cikk és említés egyenként történő elemzésének és kategorizálásának lehetőségét is. A nyelvfelismeréshez a SentiOne ugyancsak saját fejlesztésű algoritmust használ, amely a lingvisztikai tulajdonságokat és az elérhető metaadatokat is figyelembe veszi, ezáltal pedig 99,93 százalékos pontossággal képes detektálni az adott nyelvet.

Az alkalmazás kizárólag az interneten nyílt forrásként elérhető tartalmakban keres, így a zárt fórumokban, privát üzenetekben folytatott diskurzust nem látja. A megosztott tartalmakkal kapcsolatos elemzést az egyes szavak pontozásával végzi a mesterséges intelligencia, és a teljes megosztáshoz kiosztott pontszám alapján értékeli az attitűdöt pozitívnak, negatívnak vagy semlegesnek, aminek az alapját a Positive and Negative Affect Schedule (PANAS) módszertan biztosítja (Crawford– Henry, 2004). Az algoritmus magyar nyelven kb. 87%-os pontossággal képes azonosítani adott bejegyzés szerzőjének a témához kötődő érzelmi viszonyát. Mint látni fogjuk, a megosztások döntő többségükben semleges besorolást kapnak, aminek az egyik oka az lehet, hogy a pontozás során közel azonos pontszámot kapnak a pozitív és a negatív kifejezések. Emellett sok esetben kontextus nélkül osztanak meg különféle tartalmakat a felhasználók, így pedig az érzelmi viszonyulásukat értelemszerűen nem lehet megítélni.

Az egyes vakcinák esetében a fentiekhez hasonló arányokat láthatunk. Hozzávetőlegesen az összes megosztás 16%-a negatív, míg a pozitív megosztásokhoz képest átlagosan 2,5-ször annyi a negatív említés. A hat vizsgált oltóanyag esetében az orosz vakcinánál a legalacsonyabbak ezek az értékek; a pozitív–negatív említések arányát tekintve „csak” kétszeres a negatív megosztások száma, míg az összeshez viszonyítva „csak” 14%-a negatív az említéseknek. Igaz, e vakcinatípus esetében kaptuk a legkevesebb találatot. Még a 2021 nyarától alkalmazott Janssen-vakcina is háromszor annyi esetben szerepelt az említések között, mint a Sputnik V.

Maradva a „Covid” és „diktatúra” keresőkifejezés-kombinációnál, a 2. ábrán tüntettem fel a legfontosabb forrásokat, amelyek az adott keresésnél a leggyakrabban fordultak elő. Az említések érzelmi töltetét vizsgálva láthatjuk, hogy az adott források alkalomadtán milyen típusú esetleges beavatkozást igényelhetnek.

Mint a 2. ábrán is látható, a Facebookot azonosíthatjuk a témába a leggyakoribb előfordulásért felelős platformként (összesen 11 673 említés, ami a második helyen szereplő HVG kétszerese). Mindez nem véletlen, ugyanis a top szerzőket vizsgálva kiderül, hogy a témában a leggyakrabban posztoló top harminc szerző közül huszonheten a Facebookon a legaktívabbak. A Facebook-oldalak impaktját sokféleképpen vizsgálhatjuk: az egyik ilyen szempont lehet a bejegyzésekre érkezett like-ok száma (ez esetben Dúró Dóra a top influenszer 9555 like-kal, amit tizenhárom, a témában írt bejegyzésére kapott), egy másik szempont lehet a bejegyzés továbbosztásainak a száma (ez esetben a Hihetetlen Magazin kerül az élre, amelynek a témában írt hetvenegy bejegyzését összesen 4254 alkalommal osztották tovább).

 

A koronavírus jelentette kihívások leküzdését kizárólag összefogással lehet megvalósítani, amelyben a tudomány inter- és multidiszciplináris jellegének kiemelt szerep jut. Reményeim szerint tanulmányom is felhívja a figyelmet a különböző tudományterületek együttműködésének fontosságára. A koronavírust nem lehet csupán az oltásokkal legyőzni. Holisztikus megközelítés szükséges, hiszen hiába zajlanak létfontosságú kutatások a vakcinafejlesztést illetően, ha az álhírek terjedése-terjesztése utóbb gátat vet ezek közhasznú felhasználásának, és csökkenti a járvánnyal szembeni védekezés eredményességét.