Regrets de partage sur les réseaux sociaux pendant le COVID-19
Cet article examine les raisons des partages de santé regrettables sur les réseaux sociaux pendant la pandémie.
― 7 min lire
Table des matières
- Partage en ligne pendant le COVID-19
- Partage regrettable
- Préoccupations concernant la vie privée en ligne
- Les questions de recherche
- Collecte de données
- Comprendre le contenu supprimé
- Modèles d'apprentissage automatique
- Implications pour l'expérience utilisateur
- Limitations de l'étude
- Conclusion et orientations futures
- Source originale
- Liens de référence
Pendant la pandémie de COVID-19, beaucoup de gens se sont tournés vers les Réseaux sociaux pour partager leurs symptômes de santé et demander des conseils aux autres. Des plateformes comme Twitter sont devenues des endroits où les gens exprimaient leurs sentiments et leurs expériences liés au virus. Cependant, après un certain temps, beaucoup d'utilisateurs ont regretté d'avoir partagé ces infos personnelles et ont supprimé leurs publications. Cette suppression reflétait leur inconfort et leurs préoccupations concernant la Vie privée. Cet article examine les raisons derrière ce comportement et ce que cela révèle sur le partage en ligne pendant une crise.
Partage en ligne pendant le COVID-19
Avec les confinements et les restrictions qui gardaient les gens chez eux, les réseaux sociaux sont devenus un moyen vital pour les individus de se connecter avec les autres. Beaucoup ont partagé leurs problèmes de santé sur des plateformes comme Twitter, espérant obtenir du soutien émotionnel ou des conseils utiles. Avec les services de santé traditionnels débordés, les réseaux sociaux ont comblé un vide, permettant aux utilisateurs de chercher des conseils auprès de leurs pairs. Cela a entraîné une augmentation du partage d'Informations personnelles sur la santé, mais cela a aussi soulevé d'importantes préoccupations en matière de vie privée.
Partage regrettable
Les regrets proviennent souvent de sentiments négatifs concernant des actions passées. Dans le contexte des réseaux sociaux, ces sentiments naissent de la trop grande divulgation d'infos ou d'une mauvaise manière de partager. Les utilisateurs peuvent se souvenir et se demander ce qui aurait pu se passer différemment. Quand les gens partageaient leurs symptômes, ils évaluaient souvent mal qui verrait leurs publications. Après avoir réfléchi à leurs pratiques de partage, beaucoup ont décidé de supprimer leurs Tweets.
Ces regrets peuvent amener à un changement dans la manière dont les individus interagissent avec les réseaux sociaux. Par exemple, les utilisateurs qui suppriment des publications peuvent devenir plus prudents sur ce qu'ils partagent à l'avenir. Des études ont montré que partager des infos personnelles peut avoir un impact durable sur le comportement en ligne des individus, les incitant à réfléchir plus attentivement à leur vie privée.
Préoccupations concernant la vie privée en ligne
En partageant des infos personnelles en ligne, les gens font face à des risques potentiels comme le jugement des autres, la stigmatisation et même la discrimination de la part des compagnies d'assurance. Ces risques peuvent mener à une diminution du soutien que les individus reçoivent de leurs pairs. L'impact émotionnel de regretter une publication peut aussi peser lourd sur la santé mentale de quelqu'un.
Lors de crises comme la pandémie, prendre des décisions sur la vie privée devient souvent plus difficile. L'urgence et le besoin d'infos peuvent brouiller le jugement, amenant les utilisateurs à partager du contenu sensible qu'ils pourraient regretter plus tard. Ce défi met en lumière la nécessité d'une meilleure compréhension et d'un soutien pour les individus partageant des infos personnelles en ligne.
Les questions de recherche
L'objectif de la recherche est d'analyser les tweets liés à la santé qui ont été supprimés pendant le COVID-19. Deux questions clés guident cette exploration :
- Comment peut-on identifier les tweets que les utilisateurs regrettent d'avoir partagés ?
- Peut-on utiliser ces tweets pour développer des méthodes automatiques pour reconnaître les publications potentiellement regrettables ?
Collecte de données
Pour répondre à ces questions, un ensemble de données sur les tweets a été créé. Les chercheurs se sont concentrés sur les tweets discutant des symptômes de COVID-19, comme la toux et la fièvre, en particulier ceux incluant des pronoms personnels comme "je" ou "moi". En utilisant les outils de Twitter, ils ont suivi le statut de ces tweets pendant un an pour voir lesquels avaient été supprimés.
Au départ, plus de 8 millions de tweets ont été recueillis, puis filtrés pour aboutir à environ 3,67 millions de tweets personnels. Après un an, les chercheurs ont vérifié lesquels de ces tweets avaient été supprimés. Ils ont constaté qu'environ 24 % des tweets personnels avaient été retirés par les utilisateurs ou par Twitter lui-même.
Comprendre le contenu supprimé
Parmi les tweets supprimés, beaucoup étaient des utilisateurs réfléchissant à leurs expériences de santé. Cependant, il a été noté qu'un pourcentage significatif des suppressions était dû à des comptes retirés ou suspendus plutôt qu'à des décisions individuelles. Cela suggère que, bien que certains utilisateurs aient activement supprimé du contenu, beaucoup n'ont pas pu maintenir leurs comptes.
Les résultats ont montré qu'une petite fraction des tweets contenait des détails de santé personnels, beaucoup ayant été supprimés pour des raisons qui pourraient ne pas être directement liées au regret. Cette découverte est en accord avec des études précédentes indiquant qu'un petit nombre d'utilisateurs gèrent activement leur contenu en ligne.
Modèles d'apprentissage automatique
Pour répondre à la seconde question de recherche concernant l'identification des tweets regrettables, divers modèles d'apprentissage automatique ont été utilisés. Ces modèles ont été formés pour analyser l'ensemble de données et catégoriser les tweets comme potentiellement regrettables ou non. Différentes approches, y compris des méthodes traditionnelles et des techniques plus récentes, ont été testées.
Les modèles variaient en performance, mais un modèle en particulier, basé sur la technologie BERT, a obtenu les meilleurs résultats. Ce modèle était plus efficace que les autres pour prédire quels tweets les utilisateurs pourraient regretter d'avoir partagés.
Implications pour l'expérience utilisateur
Les résultats donnent des aperçus sur la manière dont les gens vivent des regrets lorsqu'ils partagent des infos personnelles en ligne. Comprendre ces dynamiques est crucial pour créer de meilleures expériences utilisateur sur les plateformes de réseaux sociaux. En reconnaissant les tendances de partage regrettable, les développeurs peuvent concevoir des fonctionnalités qui aident les utilisateurs à prendre des décisions plus éclairées avant de publier du contenu sensible.
Une solution potentielle pourrait être la mise en place de nudges, qui sont de douces rappels ou alertes. Ces nudges peuvent aider les utilisateurs à réfléchir à deux fois avant de partager des informations qui pourraient conduire à des regrets plus tard. Offrir aux utilisateurs des retours sur leurs publications et les implications de vie privée possibles peut promouvoir des pratiques de partage plus sûres.
Limitations de l'étude
Cependant, bien que cette recherche éclaire les regrets des utilisateurs, il y a des limitations à noter. L'étude s'est surtout concentrée sur l'utilisation des pronoms personnels comme indicateur de partage regrettable, mais il existe d'autres facteurs qui pourraient influencer ce comportement, comme le ton émotionnel ou le contexte. Des recherches futures pourraient explorer ces aspects plus en profondeur pour améliorer la compréhension des regrets en ligne.
Conclusion et orientations futures
Les regrets jouent un rôle essentiel dans la manière dont les gens naviguent leur présence en ligne. Bien qu'ils soient souvent accompagnés de sentiments négatifs, ils peuvent aussi encourager la conscience de soi et la croissance. L'étude du partage regrettable pendant la pandémie de COVID-19 révèle des informations précieuses sur la vie privée en ligne.
L'ensemble de données développé et les modèles d'apprentissage automatique peuvent aider à identifier des publications potentiellement regrettables. Cet effort sert non seulement à protéger la vie privée des individus, mais aussi à améliorer l'expérience en ligne globale. Les recherches futures devraient se concentrer sur l'amélioration de la précision des modèles de classification et l'exploration des implications plus larges des tendances de partage regrettable, en examinant éventuellement d'autres événements au-delà de la pandémie.
Alors que les réseaux sociaux continuent d'évoluer, comprendre l'équilibre entre le partage d'infos personnelles et la protection de la vie privée restera un sujet important pour la recherche et l'innovation.
Titre: Regret, Delete, (Do Not) Repeat: An Analysis of Self-Cleaning Practices on Twitter After the Outbreak of the COVID-19 Pandemic
Résumé: 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.
Auteurs: Nicolás E. Díaz Ferreyra, Gautam Kishore Shahi, Catherine Tony, Stefan Stieglitz, Riccardo Scandariato
Dernière mise à jour: 2023-03-16 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2303.09135
Source PDF: https://arxiv.org/pdf/2303.09135
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.