COVIDワクチン接種に関するグローバルなTwitter感情分析モデル

なぜTwitter上のワクチンに対する感情が重要なのか

COVID-19パンデミックの間、政府は命を守るためにワクチンと市民の協力に頼りました。しかし世界各地の人々は接種キャンペーンに対して非常に異なる反応を示し、しばしば希望や不安をソーシャルメディア上で表明しました。本研究はツイートを単に「肯定的」か「否定的」かで分けるだけでなく、より深い問いを投げかけます：自国がパンデミックでどれだけ深刻な被害を受けたかを考慮すると、人々のCOVID-19ワクチンに関するコメントはどう見えるのか？ツイートの本文と実際のパンデミックデータを組み合わせることで、著者らはメッセージがより広い世界的文脈で本当に何を意味するかをとらえようとしています。

生のツイートから一次的な感情へ

研究者たちはまず、2021年春に投稿された4万件以上の英語ツイートを収集しました。この時期は多くの国が主要なワクチン接種の節目を迎えていた重要な期間です。彼らはトーン判定に役立たないユーザータグやウェブリンクを除去してデータをクリーンアップしました。各ツイートに初期の感情を割り当てるために、Twitterコンテンツに特化して訓練された最新の言語モデルであるTwitter-roBERTaを使用しました。このモデルはテキストのみに基づき、ツイートを肯定的、否定的、または中立の三つの基本カテゴリに分類します。著者らはこの最初のラベリング層をツイートの「ローカル感情」と呼んでいます。なぜならそれは世界の他の出来事を無視しているからです。

パンデミックの現実的な状況を付加する

次にチームは国別のCOVID-19統計—感染者数、死亡者数、人口—を北米、ヨーロッパ、アジア、オセアニアにまたがる10カ国分収集しました。これらの数値を各国ごとの「重症度値」に変換し、研究期間中に他国と比較してどれだけ深刻だったかを示しました。感染率や死亡率が高い国からのツイートは、状況が穏やかな国の同一のツイートとは全く異なる意味合いで読まれます。研究者たちは次に、ユーザーの自己申告の所在地と慎重に整理された都市・地域リストを用いて位置情報を国にマッピングし、各ツイートにその発信元と考えられる国の重症度値を結びつけました。

ローカルな感情をグローバルな意見の濃淡に変換する

ツイートのテキストと国の文脈を手にした著者らは、各ツイートのラベルを単なる肯定／否定／中立からより豊かな「グローバル感情」へと洗練するために三つの手法を設計しました。最初の二つの手法は確率則（ベイズの定理）を用いて、ある国や比較的「良好」または「深刻」と分けた二つの国グループ内で各感情がどれほど一般的かを測定します。例えば、深刻な被害を受けた国で稀な肯定的コメントは、その場の支配的なムードに反するため「高強度」の表現として扱われ、一般的な見解を反映するものは「低強度」と見なされます。方法2ではさらに、ツイートのトーンが国の状況に合っているか矛盾しているかに応じて、弱い・強いの肯定／否定ラベルを区別します。

強度を自動で学習する賢いモデル

三番目の手法は、ベイズ階層型順序回帰と呼ばれるより高度な統計的アプローチを用います。固定された閾値に頼る代わりに、このモデルはデータ自身から、ツイートレベルの感情スコア（Twitter-roBERTaの確率から導出される）が各国のパンデミックの重症度とどのように相互作用するかを学習します。国ごとの差を考慮しつつ情報をプールすることができます。モデルは各ツイートについて、否定・中立・肯定のどれに属するかだけでなく、そのカテゴリにどれほど確信を持って属するかも推定します。モデルに基づく確率がそのカテゴリの典型より高ければ「高強度」とラベル付けされ、そうでなければ「低強度」とされます。こうして言語と公衆衛生の文脈の双方を反映した微妙なグローバル感情ラベルが作成されます。

世論理解にとっての発見の意義

著者らがこれらの新しいグローバル感情ラベルを使って一般的な機械学習分類器を訓練したところ、特に高度なモデルが生成したニュアンスのあるラベルは、粗い方法よりも分類器がより正確なパターンを学習するのに役立つことがわかりました。実務的には、これは公衆衛生機関、研究者、ソーシャルメディア分析者がツイートを単に文面だけで読むのではなく、グローバルな視点で見ることで人々がワクチンについて本当にどう感じているかをより鮮明に把握できることを意味します。二人の人が同じようにワクチンに対して不満を表明していても、一方が深刻な流行に直面している国に住み、もう一方が状況が制御されている国に住んでいれば、そのメッセージは異なる重みを持ちます。こうした強度の違いをとらえることで、本研究は世論をより現実に即した形で監視し、人々が直面する現状により適した対応を設計する手がかりを提供します。

引用: Chakrabarty, D., Chatterjee, S. & Mukhopadhyay, A. A global twitter sentiment analysis model for COVID-vaccination. Sci Rep 16, 9005 (2026). https://doi.org/10.1038/s41598-026-38553-0

キーワード: COVID-19ワクチン接種, Twitterの感情, ソーシャルメディア分析, 公衆衛生コミュニケーション, 機械学習