Instagram健康传播中话题-情感-公众反应的三角关系：基于BERTopic和情感分析的全球卫生组织内容研究

为评估卫生组织社交媒体传播效果，研究者对8家国际卫生机构6082篇Instagram帖文及82,982条评论进行内容分析。采用BERTopic算法构建主题模型，结合情感分析技术，发现COVID-19、疫苗等人道主义危机话题引发最高公众参与度，疫苗相关讨论负面情绪占比达峰值（愤怒情绪占比38.7%），并首次揭示卫生机构帖文恐惧表达（均值0.876）与公众反应（均值0.092）存在显著差距。该研究为优化公共卫生传播策略提供数据支撑。

　　

在数字健康时代，卫生组织通过Instagram等平台传播科学信息时，面临着一个关键矛盾：精心设计的公共卫生信息为何有时会引发公众的抵触情绪？尤其当涉及疫苗推广、传染病防控等重大议题时，这种认知鸿沟更为显著。既往研究表明，社交媒体上健康信息的传播效果不仅取决于内容准确性，更与公众的情感反应密切相关。然而，关于卫生机构官方内容如何引发差异化公众情绪的系统研究仍属空白，特别是缺乏对恐惧情绪传递效率的量化分析。

发表在《JMIR Infodemiology》的研究首次对全球8家顶级卫生机构（包括WHO、CDC等）的6082篇Instagram帖文及82,982条公众评论进行了多维度解构。研究人员采用BERTopic算法进行主题建模，通过All-MiniLM-L6-v2模型实现文本向量化，结合distilbert-base-multilingual-cased模型进行多语言情感分析，并运用j-hartmann/emotion-english-distilroberta-base模型识别6种基本情绪。所有数据均通过Instagram官方API获取，时间跨度为2017-2023年。

研究结果揭示多个重要发现：

话题建模与公众参与
通过BERTopic算法识别出25个核心健康话题，平均主题一致性得分达0.7298。数据显示，人道主义危机（如乌克兰战争、加沙冲突）相关话题获得最高公众参与度，单帖平均评论数达487条，远超其他主题。COVID-19主题以1446篇帖文成为最常讨论内容，其平均点赞量（18,349次）反映出持续的社会关注度。

情感差异图谱
情感分析显示卫生机构帖文与公众反应存在显著"情绪鸿沟"。虽然机构在脓毒症（0.917）、癌症（0.936）等话题中高频使用恐惧表达，但公众评论中恐惧情绪均值仅0.092。最具讽刺性的是，机构以积极框架呈现的疫苗话题（阳性情感占比62%），却引发最高比例的负面评论（78.3%），其中COVID-19加强针话题的愤怒情绪得分达0.286。

关键恐惧差距
通过计算"恐惧差距"（机构帖文恐惧得分减去评论恐惧得分的绝对值），研究发现口罩使用（差距值0.881）和流感疫苗（0.857）议题存在最显著认知偏差。例如在口罩话题中，机构使用"致命威胁""不可逆损伤"等恐惧诉求，但公众评论中仅9.2%表达恐惧，反而出现"专制手段""过度反应"等对抗性表述。

时间动态演变
结合COVID-19死亡率数据的时间序列分析显示，2020年3月WHO宣布大流行后，公众评论的负面情绪激增47%，而机构帖文的恐惧表达保持稳定。值得注意的是，在奥密克戎波峰期（2022年初），公众愤怒情绪达到峰值（0.314），与死亡率曲线呈现同步波动。

这项研究的意义在于首次量化了公共卫生传播中的"情绪传递效率"问题。研究揭示，传统恐惧诉求策略在社交媒体时代可能适得其反——当卫生机构过度强调威胁时，公众反而表现出情绪钝化或对抗反应，这种现象在疫苗等争议性话题中尤为明显。研究建议卫生传播应转向"解决方案导向"的叙事框架，这在语言分析中得到佐证：包含"拯救生命""减缓传播"等短语的帖文获得83%正面反馈，而强调"重症住院死亡"等威胁语言的帖文引发71%负面评论。

该研究的创新性在于建立了一套可量化的卫生传播评估体系，将主题建模、情感分析和情绪识别技术有机结合。未来研究可扩展至Twitter、Facebook等多平台比较，并纳入用户人口学特征分析。当前成果为卫生机构优化社交媒体策略提供了实证依据，特别是在后疫情时代重建公众信任、应对疫苗犹豫等方面具有重要实践价值。