Arrepentimiento por compartir en redes sociales durante el COVID-19
Este artículo examina las razones de compartir información de salud dudosa en redes sociales durante la pandemia.
― 7 minilectura
Tabla de contenidos
- Compartiendo en Línea Durante COVID-19
- Compartir Que Puede Regresar Como Un Bumerán
- Preocupaciones Sobre Privacidad en Línea
- Las Preguntas de Investigación
- Recolección de Datos
- Entendiendo el Contenido Borrado
- Modelos de Aprendizaje Automático
- Implicaciones para la Experiencia del Usuario
- Limitaciones del Estudio
- Conclusión y Direcciones Futuras
- Fuente original
- Enlaces de referencia
Durante la pandemia de COVID-19, mucha gente se volcó a las Redes Sociales para compartir sus síntomas de salud y buscar consejos de otros. Plataformas como Twitter se convirtieron en espacios donde las personas expresaban sus sentimientos y experiencias relacionadas con el virus. Sin embargo, después de un tiempo, se descubrió que muchos usuarios se arrepentían de haber compartido esta Información Personal y borraban sus publicaciones. Esta eliminación reflejaba su incomodidad y preocupaciones sobre la Privacidad. Este artículo examina las razones detrás de este comportamiento y lo que revela sobre el compartir en línea durante una crisis.
Compartiendo en Línea Durante COVID-19
Con los confinamientos y las restricciones manteniendo a la gente en casa, las redes sociales se volvieron una forma vital de conexión. Muchos compartieron sus problemas de salud en plataformas como Twitter, esperando apoyo emocional o consejos útiles. Con los servicios de salud tradicionales al límite, las redes sociales llenaron un vacío, permitiendo que los usuarios buscaran orientación de sus pares. Esto llevó a un aumento en la compartición de salud personal, pero también creó serios problemas de privacidad.
Compartir Que Puede Regresar Como Un Bumerán
Los arrepentimientos a menudo vienen de sentimientos negativos sobre acciones pasadas. En el contexto de las redes sociales, estos sentimientos surgen de compartir demasiada información o de hacerlo de la manera equivocada. Los usuarios pueden reflexionar y preguntarse qué podría haber sido diferente. Cuando la gente compartía sus síntomas, a menudo subestimaba quién vería sus publicaciones. Después de pensar en sus prácticas de compartición, muchos decidieron borrar sus Tweets.
Estos arrepentimientos pueden llevar a un cambio en cómo las personas interactúan con las redes sociales. Por ejemplo, los usuarios que borran publicaciones pueden volverse más cautelosos sobre lo que comparten en el futuro. La investigación ha mostrado que compartir información personal puede tener efectos duraderos en el comportamiento en línea de las personas, haciéndolas pensar más cuidadosamente sobre su privacidad.
Preocupaciones Sobre Privacidad en Línea
Al compartir información personal en línea, las personas enfrentan riesgos potenciales como el juicio de los demás, el estigma e incluso la discriminación de compañías de seguros. Estos riesgos pueden disminuir el apoyo que los individuos reciben de sus pares. El impacto emocional de arrepentirse de un post también puede afectar seriamente la salud mental de alguien.
Durante crisis como la pandemia, tomar decisiones sobre privacidad a menudo se vuelve más complicado. La urgencia y la necesidad de información pueden nublar el juicio, llevando a los usuarios a compartir contenido sensible que luego podrían lamentar. Este desafío subraya la necesidad de una mejor comprensión y apoyo para las personas que comparten información personal en línea.
Las Preguntas de Investigación
El objetivo de la investigación es analizar los tweets relacionados con la salud que fueron borrados durante COVID-19. Dos preguntas clave guían esta exploración:
- ¿Cómo podemos identificar tweets que los usuarios luego lamentan haber compartido?
- ¿Podemos usar estos tweets para desarrollar métodos automáticos que reconozcan publicaciones que puedan ser lamentadas?
Recolección de Datos
Para responder a estas preguntas, se creó un conjunto de datos de tweets. Los investigadores se enfocaron en tweets hablando sobre síntomas de COVID-19, como tos y fiebre, especialmente aquellos que incluían pronombres personales como "yo" o "me". Usando las herramientas de Twitter, rastrearon el estado de estos tweets durante un año para ver cuáles fueron borrados.
Inicialmente, se recopilaron más de 8 millones de tweets, que luego se filtraron a unos 3.67 millones de tweets personales. Después de un año, los investigadores revisaron cuáles de estos tweets fueron borrados. Descubrieron que alrededor del 24% de los tweets personales habían sido eliminados por los usuarios o por Twitter.
Entendiendo el Contenido Borrado
Entre los tweets eliminados, muchos consistían en usuarios reflexionando sobre sus experiencias de salud. Sin embargo, se notó que un porcentaje significativo de eliminaciones se debió a cuentas que fueron eliminadas o suspendidas en lugar de decisiones individuales. Esto sugiere que, aunque algunos usuarios pueden haber eliminado contenido activamente, muchos no pudieron mantener sus cuentas.
Los resultados mostraron que solo una pequeña fracción de los tweets contenía detalles personales de salud, con muchos siendo borrados por razones que podrían no estar directamente relacionadas con el arrepentimiento. Este hallazgo coincide con estudios anteriores que indican que un pequeño número de usuarios gestiona activamente su contenido en línea.
Modelos de Aprendizaje Automático
Para abordar la segunda pregunta de investigación sobre la identificación de tweets lamentables, se emplearon varios modelos de aprendizaje automático. Estos modelos fueron entrenados para analizar el conjunto de datos y clasificar tweets como potencialmente lamentables o no. Se probaron diferentes enfoques, incluyendo métodos tradicionales y técnicas más nuevas.
Los modelos variaron en rendimiento, pero un modelo en particular, basado en la tecnología BERT, fue el que mejor funcionó. Este modelo fue más efectivo que otros para predecir qué tweets los usuarios podrían arrepentirse de compartir.
Implicaciones para la Experiencia del Usuario
Los hallazgos dan ideas sobre cómo las personas experimentan arrepentimientos al compartir información personal en línea. Entender estas dinámicas es crucial para crear mejores experiencias de usuario en las plataformas de redes sociales. Al reconocer patrones en la compartición lamentable, los desarrolladores pueden diseñar funciones que ayuden a los usuarios a tomar decisiones más informadas antes de publicar contenido sensible.
Una solución potencial podría ser la implementación de recordatorios, que son alertas suaves. Estas recordatorios pueden ayudar a los usuarios a pensarlo dos veces antes de compartir información que podría llevar a arrepentimiento más tarde. Proporcionar retroalimentación a los usuarios sobre sus publicaciones y las posibles implicaciones de privacidad podría fomentar prácticas de compartición más seguras.
Limitaciones del Estudio
Sin embargo, aunque esta investigación arroja luz sobre los arrepentimientos de los usuarios, hay limitaciones a tener en cuenta. El estudio se centró principalmente en el uso de pronombres personales como un indicador de compartición lamentable, pero hay otros factores que podrían influir en este comportamiento, como el tono emocional o el contexto. Investigaciones futuras podrían profundizar en estos aspectos para mejorar la comprensión de los arrepentimientos en línea.
Conclusión y Direcciones Futuras
Los arrepentimientos juegan un papel esencial en cómo las personas navegan su presencia en línea. Aunque a menudo vienen con sentimientos negativos, también pueden fomentar la autoconciencia y el crecimiento. El estudio de la compartición lamentable durante la pandemia de COVID-19 revela información valiosa sobre la privacidad en línea.
El conjunto de datos desarrollado y los modelos de aprendizaje automático pueden ayudar a identificar publicaciones que podrían ser lamentables. Este esfuerzo no solo protege la privacidad de los individuos, sino que también ayuda a mejorar la experiencia general en línea. La investigación futura debería centrarse en mejorar la precisión de los modelos de clasificación y explorar las implicaciones más amplias de los patrones de compartición lamentable, posiblemente examinando otros eventos más allá de la pandemia.
A medida que las redes sociales continúan evolucionando, entender el equilibrio entre compartir información personal y proteger la privacidad seguirá siendo un tema importante para la investigación y la innovación.
Título: Regret, Delete, (Do Not) Repeat: An Analysis of Self-Cleaning Practices on Twitter After the Outbreak of the COVID-19 Pandemic
Resumen: During the outbreak of the COVID-19 pandemic, many people shared their symptoms across Online Social Networks (OSNs) like Twitter, hoping for others' advice or moral support. Prior studies have shown that those who disclose health-related information across OSNs often tend to regret it and delete their publications afterwards. Hence, deleted posts containing sensitive data can be seen as manifestations of online regrets. In this work, we present an analysis of deleted content on Twitter during the outbreak of the COVID-19 pandemic. For this, we collected more than 3.67 million tweets describing COVID-19 symptoms (e.g., fever, cough, and fatigue) posted between January and April 2020. We observed that around 24% of the tweets containing personal pronouns were deleted either by their authors or by the platform after one year. As a practical application of the resulting dataset, we explored its suitability for the automatic classification of regrettable content on Twitter.
Autores: Nicolás E. Díaz Ferreyra, Gautam Kishore Shahi, Catherine Tony, Stefan Stieglitz, Riccardo Scandariato
Última actualización: 2023-03-16 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2303.09135
Fuente PDF: https://arxiv.org/pdf/2303.09135
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.