这篇文档属于类型a，是一篇关于COVID-19疫苗接种议程设置效应的原创性研究。以下是详细的学术报告：
作者与发表信息
本研究由Hyunsang Son（美国新墨西哥大学安德森管理学院市场营销、信息与决策科学系）和Young Eun Park（韩国首尔淑明女子大学公共关系与广告系）合作完成，发表于《International Journal of Information Management》2025年第83卷，文章编号102907。
学术背景
研究领域：信息管理与公共卫生交叉研究，聚焦议程设置理论（Agenda-Setting Theory）在社交媒体与新闻媒体中的动态作用。
研究动机：COVID-19大流行中，疫苗接种的公众接受度受媒体议程影响显著，但传统议程设置理论在公共卫生危机中的适用性尚未明确。此前研究多依赖问卷调查，缺乏对海量文本数据的动态分析。
理论基础：
1. 议程设置理论（McCombs & Shaw, 1972）：媒体通过议题优先级影响公众认知。
2. BERTopic模型（Grootendorst, 2022）：基于BERT（Bidirectional Encoder Representations from Transformers）的主题建模方法，优于传统LDA（Latent Dirichlet Allocation）模型。
研究目标：
- 分析公众（Twitter）与媒体（新闻标题）对COVID-19疫苗接种的议程差异；
- 验证媒体议程是否影响公众情绪与议题优先级；
- 提出基于机器学习的大数据分析框架，辅助公共卫生政策制定。
研究流程与方法
1. 数据收集
- 公众意见数据：通过Twitter Streaming API采集2021年1月20日至2022年8月25日的英文推文，关键词为“COVID-19 vaccination”，最终保留9,969,464条非重复推文。
- 媒体数据：从ProQuest新闻数据库获取同期美国主流媒体（如《纽约时报》）的48,771篇新闻标题，关键词为“COVID-19 vaccine”。
2. 数据预处理
- 去重与清洗：剔除重复推文与无关内容（如广告），保留最后一条转发；
- 文本标准化：统一大小写、去除停用词（如“the”“is”），过滤低频词（出现频率%）。
3. 主题建模
- 模型选择：采用BERTopic框架，结合Sentence-BERT生成文档向量，通过UMAP（Uniform Manifold Approximation and Projection）降维，HDBSCAN（Hierarchical Density-Based Spatial Clustering）聚类。
- 关键创新：
- C-TF-IDF算法（Class-based TF-IDF）：将文档聚类视为单一文档计算词频-逆文档频率，提升主题代表性；
- MMR算法（Maximal Marginal Relevance）：优化关键词多样性，避免冗余。
4. 议程对比与情感分析
- 公众议程：提取前10大主题（如“疫苗副作用”“儿童接种”），通过代表推文分析情感倾向（如负面情绪占比）；
- 媒体议程：分析新闻标题主题分布（如“政治议题”“经济影响”），对比公众议题重合度。
主要结果
议程差异显著：
- 公众议程70%聚焦疫苗接种本身（如“对疫苗安全性的担忧”“疫苗护照反对”），情感以负面为主（如“实验性疫苗不可信”）；
- 媒体议程仅30%涉及疫苗，更多覆盖政治（如“拜登政府目标”）、外交（如“印度疫苗出口”）与经济（如“通胀政策”），情感中性。
*数据支持*：疫苗护照主题中，公众推文负面词频达68%（如“歧视性”“侵犯隐私”），而媒体标题仅12%提及政策争议。
议程设置失效：传统理论中媒体主导公众议程的假设在公共卫生危机中不成立。例如，公众对“儿童接种”的担忧（占推文8.3%）未被媒体充分报道（仅占新闻标题1.7%）。
方法论贡献：
- BERTopic模型在10M级数据中聚类效率比LDA提升40%（主题一致性得分提高0.32）；
- C-TF-IDF算法有效识别长尾主题（如“家庭接种”），传统TF-IDF漏检率达25%。
结论与价值
科学价值：
- 揭示了数字时代议程设置的复杂性，提出“危机情境削弱媒体影响力”的新边界条件；
- 验证了BERTopic在公共卫生文本分析中的优越性，为后续研究提供方法论范式。
应用价值：
- 建议公共卫生机构实时监测社交媒体情绪，调整宣传策略（如针对性回应安全性质疑）；
- 为政策制定者提供数据工具，优化危机沟通（如优先报道公众关切议题）。
研究亮点
- 数据规模创新：首次同时分析近千万级社交媒体与数万新闻文本，覆盖完整疫苗接种周期。
- 方法创新：融合BERTopic与C-TF-IDF，解决传统主题模型在短文本（如推文）中的稀疏性问题。
- 理论突破：挑战议程设置理论的普适性，提出“公众-媒体议程分离”现象。
其他价值
研究代码与数据集已开源，可供复现；作者团队开发的“危机议程监测框架”正与韩国疾控中心合作试点。