Το θέμα του εμβολιασμού κατά της Covid-19 στα Μ.Μ.Ε. και στο Twitter

Στο παρόν άρθρο αναλύεται η κάλυψη του εμβολιασμού κατά του ιού covid-19 από τα Μ.Μ.Ε. (ειδησεογραφία) αλλά και στο Twitter (δημοσιεύσεις).

Ιστοσελίδες – Μ.Μ.Ε.

Πιο συγκεκριμένα, συγκεντρώθηκαν άρθρα από την ιστοσελίδα του skai (www.skai.gr) και του star (www.star.gr). Προκειμένου να αναλυθεί το θέμα του εμβολιασμού, έγινε αναζήτηση με τη λέξη ‘εμβόλιο’ σε κάθε έναν από τους δύο ιστοχώρους. Τα παρακάτω δεδομένα τα οποία παρουσιάζονται αφορούν άρθρα τα οποία δημοσιεύτηκαν κατά το έτος 2021.

Στο πρώτο γράφημα φαίνεται ο αριθμός των άρθρων που δημοσιεύτηκαν στην ιστοσελίδα του skai με την αναζήτηση ‘εμβόλιο’.

Τα συνολικά άρθρα που δημοσιεύτηκαν στον skai για το έτος 2021 είναι 1659. Τα περισσότερα άρθρα για έναν μήνα ήταν 383 και δημοσιεύτηκαν τον μήνα Ιανουάριο, πράγμα απόλυτα φυσιολογικό δεδομένου ότι οι εμβολιασμοί στη χώρα μας ξεκίνησαν στα τέλη Δεκεμβρίου του 2020. Στη συνέχεια του έτους και προχωρώντας προς τους καλοκαιρινούς μήνες, παρατηρείται μείωση στις δημοσιεύσεις που αφορούν τους εμβολιασμούς κατά της Covid-19.

Στο δεύτερο γράφημα φαίνεται ο αριθμός των άρθρων που δημοσιεύτηκαν στην ιστοσελίδα του star με την αναζήτηση ‘εμβόλιο’.

Τα συνολικά άρθρα που δημοσιεύτηκαν στον star για το έτος 2021 είναι 469. Τα περισσότερα άρθρα για έναν μήνα ήταν 109 και δημοσιεύτηκαν τον μήνα Μάιο. Αντίθετα από το skai, οι δημοσιεύσεις για τους εμβολιασμούς στη χώρα μας φαίνεται να έχουν αυξητική τάση προχωρώντας προς τους καλοκαιρινούς μήνες.

Στη συνέχεια δημιουργήθηκαν δύο (για την κάθε ιστοσελίδα αντίστοιχα) σύννεφα λέξεων, τα οποία μας δίνουν μεγαλύτερη εικόνα για το περιεχόμενο των άρθρων των ιστοσελίδων. Τα σύννεφα λέξεων αυτά δημιουργήθηκαν από το κείμενο των τίτλων των άρθρων και των περιγραφών τους.

Το παρακάτω γράφημα αναφέρεται στο σύννεφο λέξεων του ιστοχώρου skai.

Όπως μπορούμε να δούμε λέξεις όπως εμβόλιο, πανδημία, astrazeneca και pfizer κυριαρχούν στο σύννεφο λέξεων. Λιγότερο ορατές λέξεις όπως ευρωπαϊκή ένωση, κομισιόν, παρενέργεια και μετάλλαξη βρίσκονται σε μικρότερο βαθμό στα κείμενα των τίτλων και των περιγραφών.

Στη συνέχεια φαίνεται το σύννεφο λέξεων του ιστοχώρου star.

Και στο σύννεφο λέξεων του star φαίνονται πολύ συχνά λέξεις όπως εμβόλιο, pfizer, κορωνοϊός και astrazeneca. Λιγότερο ορατές λέξεις όπως moderna, θρομβώσεις, ραντεβού και αποτελεσματικό, βρίσκονται αντίστοιχα σε μικρότερο βαθμό στα κείμενα των τίτλων και των περιγραφών του star.

Συμπερασματικά από τα σύννεφα λέξεων θα πρέπει να αναφερθεί το γεγονός ότι και στους δύο ιστοχώρους έγινε εξαιρετικά μεγάλη αναφορά στην εταιρεία astrazeneca, ύστερα από τον μεγάλο αριθμό αναφορών για παρενέργειες μετά από τον εμβολιασμό πολιτών.

Στη συνέχεια φαίνονται από δύο διαγράμματα για κάθε ιστοσελίδα, τα οποία αναφέρονται στις συχνότερες λέξεις και στα συχνότερα διγράμματα (bigrams) που παρατηρούνται. Η ανάλυση αυτή πραγματοποιήθηκε στο κυρίως κείμενο των άρθρων και όχι στους τίτλους και στις περιγραφές.

Συχνότερες λέξεις και διγράμματα – Skai

Στο επόμενο διάγραμμα φαίνονται οι συχνότερες λέξεις που παρατηρούνται στο κείμενο των άρθρων του skai.

Λέξεις όπως εμβόλιο και covid φαίνονται σε πολύ μεγάλο βαθμό στα άρθρα του skai. Σχετικά με τις εταιρείες που παράγουν εμβόλια για τον κορωνοϊό, μεγαλύτερη αναφορά γίνεται στην εταιρεία astrazeneca και μικρότερη στην pfizer. Μεγάλη συγκέντρωση γίνεται επίσης και για τις λέξεις πηγή και υγείας.

Το παρακάτω γράφημα μας δείχνει τα συχνότερα διγράμματα που παρατηρούνται στα κείμενα των άρθρων του skai.

Στην περίπτωση των διγραμμάτων παρατηρείται μεγάλη αναφορά αφενός στον ιό covid-19 και αφετέρου στην πηγή των άρθρων, όπου τις περισσότερες φορές είναι το ΑΠΕ-ΜΠΕ (Αθηναϊκό Πρακτορείο Ειδήσεων – Μακεδονικό Πρακτορείο Ειδήσεων). Αθροίζοντας το απε-μπε και το πηγή απε μας δίνει σχεδόν τον ίδιο αριθμό με το  δίγραμμα covid 19. Σχετικά με τις εταιρείες που παράγουν εμβόλια, η μεγαλύτερη αναφορά είναι στην astrazeneca με αμέσως επόμενη στη σειρά να είναι η σύμπραξη της εταιρείας pfizer με την biontech. Στα διγράμματα φαίνεται επίσης και η αναφορά στην εταιρεία johnson johnson και το όνομα του πρωθυπουργού, Κυριάκος Μητσοτάκης.

Συχνότερες λέξεις και διγράμματα – Star

Στο επόμενο διάγραμμα φαίνονται οι συχνότερες λέξεις που παρατηρούνται στο κείμενο των άρθρων του Star.

Οι συχνότερες λέξεις που αναφέρονται στον ιστοχώρο του star είναι εμβόλιο και astrazeneca. Σχετικά με τις εταιρείες που παράγουν εμβόλια για τον κορωνοϊό, μεγαλύτερη αναφορά γίνεται στην εταιρεία astrazeneca και μικρότερη στην pfizer και στην johnson.

Σχετικά με τα διγράμματα στο star παρατηρούμε μεγάλη συχνότητα στις εκφράσεις διαβάστε ειδήσεις, ελλάδα κόσμο και ειδήσεις ελλάδα. Σχετικά με τις εταιρείες που παράγουν εμβόλια, η μεγαλύτερη αναφορά είναι στην astrazeneca, συνεχίζοντας με την johnson johnson και τέλος την pfizer. Είναι σημαντικό να αναφερθεί ότι το Star φαίνεται να επιλέγει την διαφήμιση της ειδησεογραφίας του σταθμού, αναφέροντας κατηγορίες ειδησεογραφίας που υπάρχουν στην ιστοσελίδα της.

Τέλος, σημαντικό μέρος στην ανάλυση των άρθρων που αφορούν το εμβόλιο είναι η συγκέντρωση και οπτικοποίηση της ομοιότητας του κειμένου των άρθρων, προκειμένου να αντιληφθούμε την ομοιότητα στον τρόπο γραφής και δημοσίευσης από τον κάθε ένα από τους δύο ιστοχώρους αντίστοιχα. Η παραπάνω ανάλυση προβάλλεται σε μορφή γραφήματος heatmap, δείχνοντας τα 20 πιο όμοια μεταξύ τους άρθρα. Όσο περισσότερο έντονο είναι το χρώμα στα νούμερα που αντιστοιχούν στα άρθρα, τόσο περισσότερο όμοια είναι μεταξύ τους.

Ομοιότητα άρθρων – Skai

Όπως παρατηρούμε στο παραπάνω γράφημα, οι αριθμοί με το μεγαλύτερο ποσοστό ομοιότητας είναι το 119 και το 115. Οι τίτλοι των περισσότερο όμοιων μεταξύ τους άρθρων είναι:

1. Κορωνοϊός: Ανοίγει τη Δευτέρα η πλατφόρμα ραντεβού εμβολιασμού για άνω των 85 ετών.
2. Εμβολιασμοί: Πως κλείνονται τα ραντεβού – Αναλυτικές οδηγίες.

Ομοιότητα άρθρων – Star

Στο παραπάνω γράφημα για τα περισσότερο όμοια άρθρα του star οι δύο αριθμοί με το μεγαλύτερο ποσοστό ομοιότητας είναι το 408 και το 418. Οι τίτλοι τους είναι:

1. Εμβόλιο 12 – 15 Ετών: Τι Εξετάζει Η Επιτροπή Εμβολιασμών.
2. Γαλλία: Το εμβόλιο της AstraZeneca δεν συστήνεται για τους άνω των 65 ετών.

Συμπερασματικά από τα δύο heatmap, παρατηρείται μεγαλύτερη ομοιότητα στα άρθρα του Star σε σχέση με αυτά του skai. Το ποσοστό της ομοιότητας των άρθρων του Star ξεκινάει από το 0,5 φτάνει έως το 0,92,ενώ τα άρθρα του skai ξεκινούν από το 0,004 και φτάνουν έως το 0,93.

Twitter

Προκειμένου να είναι αντικειμενικότερη η ανάλυση που πραγματοποιήθηκε, έγινε συλλογή ορισμένων δημοσιεύσεων στο twitter από τους λογαριασμούς του skai, του in.gr και της εφημερίδας των συντακτών (efsyn) για τον μήνα Ιούνιο. Σκοπός ήταν να αναλυθούν ειδησεογραφικοί λογαριασμοί που εκφράζονται με διαφορετικό τρόπο, σε πολιτικό και κοινωνικό επίπεδο, δίνοντας μεγαλύτερο βαθμό αξιοπιστίας, όσον αφορά την (διαφορετική) μερίδα κοινού όπου παρακολουθούν τις συγκεκριμένες σελίδες στο διαδίκτυο. Η συλλογή των δημοσιεύσεων πραγματοποιήθηκε μετά από αναζήτηση συγκεκριμένων λέξεων στις δημοσιεύσεις, όπως εμβόλιο-εμβόλια-εμβολιασμός, προκειμένου να ανακτήσουμε μόνο τις δημοσιεύσεις που αφορούν το θέμα του εμβολιασμού.

Θα πρέπει να αναφερθεί το γεγονός ότι έγινε αναζήτηση και στην σελίδα του star στο twitter, αλλά δεν βρέθηκε περιεχόμενο το οποίο να σχετίζεται με τα εμβόλια και τον covid, καθώς ο σταθμός επιλέγει να δημοσιεύσει και να διαφημίζει το πρόγραμμά του και τις εκπομπές του, μέσω της σελίδας στο twitter και όχι για ειδησεογραφικούς σκοπούς.

Στα παρακάτω γραφήματα βλέπουμε τον αριθμό των δημοσιεύσεων, που αφορούν τα εμβόλια, σε καθημερινή βάση.

Δημοσιεύσεις – Skai

Ο αριθμός των δημοσιεύσεων του skai κατά τον μήνα Ιούνιο είναι 321. Οι περισσότερες δημοσιεύσεις σε μια ημέρα είναι 21, την 29^η Ιουνίου και οι λιγότερες είναι 4, την 12^η και 20^η Ιουνίου.

Δημοσιεύσεις – In.gr

Ο αριθμός των δημοσιεύσεων του in.gr κατά τον μήνα Ιούνιο είναι 175. Οι περισσότερες δημοσιεύσεις σε μια ημέρα είναι 13, την 11^η  και 30^η Ιουνίου και η λιγότερη είναι 1, την 10^η Ιουνίου.

Δημοσιεύσεις – Efsyn

Ο αριθμός των δημοσιεύσεων του efsyn κατά τον μήνα Ιούνιο είναι 61. Οι περισσότερες δημοσιεύσεις σε μια ημέρα είναι 7, την 29^η Ιουνίου και η λιγότερη είναι 1, για τις ημέρες 4, 6, 13, 16, 23, 26 και 27 Ιουνίου.

Συμπερασματικά από τον αριθμό δημοσιεύσεων στο twitter, οι σελίδες του skai και του in.gr φαίνεται να δίνουν μεγαλύτερη βαρύτητα στην ενημέρωση για τον covid και τα εμβόλια, στα μέσα κοινωνικής δικτύωσης και συγκεκριμένα στο Twitter. Θα πρέπει να αναφερθεί επίσης ότι το skai και το in.gr δημοσίευσαν όλες τις ημέρες του μήνα θέματα που σχετίζονται με τον covid, ενώ η σελίδα του efsyn τις ημέρες 5, 10, 19, 20, 21 και 24 του μήνα Ιουνίου δεν δημοσίευσαν καθόλου.

Τέλος, πραγματοποιήθηκε συναισθηματική ανάλυση (sentiment analysis) στο περιεχόμενο των δημοσιεύσεων προκειμένου να μετρήσουμε την θετικότητα και την αρνητικότητα που εξωτερικεύουν οι συγκεκριμένες ειδησεογραφικές σελίδες.

Σύγκριση θετικότητας άρθρων

Στο παραπάνω γράφημα φαίνεται η θετικότητα που εκπέμπουν οι δημοσιεύσεις, με τη σελίδα του efsyn να έχει τα μεγαλύτερα ποσοστά θετικότητα αλλά και τη μεγαλύτερη διακύμανση μεταξύ των συναισθημάτων. Οι υπόλοιπες δύο σελίδες εξωτερικεύουν μικρότερη θετικότητα στα άρθρα τους, κρατώντας μικρές αποκλίσεις διακύμανσης. Το μεγαλύτερο ποσοστό θετικότητας φαίνεται να είναι μετά τις 25 Ιουνίου, ενώ το χαμηλότερο γύρω στις 10 Ιουνίου.

Σύγκριση αρνητικότητας άρθρων

Στο τελευταίο γράφημα φαίνεται η αρνητικότητα που εκπέμπουν οι δημοσιεύσεις, με τη σελίδα του efsyn να έχει και πάλι τα μεγαλύτερα ποσοστά αρνητικότητας αλλά και τη μεγαλύτερη διακύμανση μεταξύ των συναισθημάτων. Οι υπόλοιπες δύο σελίδες εξωτερικεύουν μικρότερη αρνητικότητα στα άρθρα τους, κρατώντας μικρές αποκλίσεις διακύμανσης, με μοναδική εξαίρεση την άνοδο της αρνητικότητας από τη σελίδα του in.gr μετά τις 25 Ιουνίου. Το μεγαλύτερο ποσοστό αρνητικότητας φαίνεται να εκφράζεται σε δύο διαστήματα, με το πρώτο να είναι μεταξύ της 7^ης – 12^ης και 22^ης – 26^ης Ιουνίου. Στην αντίπερα όχθη, τα χαμηλότερα ποσοστά αρνητικότητας εκφράζονται στο διάστημα από 15 έως 20 και από 25 έως 30 Ιουνίου.

Κωνσταντίνος Σταύρου

Τα δεδομένα για την ανάλυση εξορύχθηκαν από τους επίσημους ιστοχώρους και από τις επίσημες σελίδες στα κοινωνικά δίκτυα των ειδησεογραφικών εταιρειών που αναφέρονται στο συγκεκριμένο άρθρο.

Η ανάλυση πραγματοποιήθηκε μέσω της γλώσσας προγραμματισμού Python και στο περιβάλλον του Google Colab.

Το μεγαλύτερο μέρος των γραφημάτων που παρουσιάζονται σχεδιάστηκαν και επεξεργάστηκαν στο Flourish.

Η συλλογή των tweets πραγματοποιήθηκε στο περιβάλλον του Workbench.

Βρείτε τον κώδικα Python στο GitHub εδώ.

Η  φωτογραφία στην αρχή του άρθρου συλλέχθηκε από tovima.gr. Μπορείτε να την βρείτε εδώ.