Descripción del proyecto
Un método para identificar la vulnerabilidad hacia el rechazo a las vacunas
La Organización Mundial de la Salud (OMS) considera el rechazo a las vacunas como una de las diez principales amenazas para la salud. Si bien la expansión mundial del rechazo a las vacunas es un fenómeno complicado, no existe ningún método que permita predecir qué países son más vulnerables a este rechazo. Se ha sugerido que los modelos de dinámicas de opinión cuentan con un gran potencial para señalar los países donde la opinión pública tiende a ser vulnerable o resistente. Sin embargo, pese a que existen diversos modelos exitosos, tan solo unos pocos de ellos se basan en datos empíricos. El proyecto financiado con fondos europeos DYNAMOD-VACCINE-DATA establecerá un método innovador para reconstruir la información de las redes sociales a partir de tipos de datos comunes y proporcionar una herramienta que identifique las sociedades más proclives a adoptar una postura de rechazo a las vacunas.
Objetivo
Vaccine hesitancy (delaying or refusing of vaccination) has been identified by the World Health Organization as one of the top-ten threats to global health. The spreading of vaccine-hesitancy in society is a complex phenomenon and no method can currently predict which countries will become vulnerable to this threat.
Opinion dynamics models have enormous – as yet unrealised – potential to identify countries where vaccine-hesitant opinions are likely to spread or be resisted. They simulate the evolution of public opinion with computational models in which agents interact based on simple rules, with the goal of precisely modelling the spread of opinions in networks. However, while many successful theoretical models exist, few have been run on empirical data. This is because most models require detailed network information and are therefore not compatible with common data types (i.e. survey data).
In this project, I will develop a novel method for reconstructing social network information from survey responses alone. First, the method will be validated using simulations. Then, it will be applied to secondary vaccine-hesitancy survey datasets to compare the predictive capability of different opinion dynamics models in this context.
This study will provide two main outputs. First, a toolkit to identify societies most vulnerable to vaccine-hesitancy opinion spreading. Second, a method for inferring underlying social networks from survey data. This will have general value for research on any social issue related to opinion-coordination, e.g. climate change; GMOs etc.
This fellowship will transfer my mathematical and computational modelling expertise to my hosts. At the same time, it will provide me with synergistic expertise in social science and network science as a platform for my research career in computational social science.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias socialessociologíacuestiones sociales
- ciencias médicas y de la saludmedicina básicafarmacología y farmaciamedicamentovacuna
- ciencias naturalesciencias de la tierra y ciencias ambientales conexasciencias de la atmósferaclimatologíacambios climáticos
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Régimen de financiación
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinador
- Limerick
Irlanda