This essay examines tweets published during a measles outbreak in January 2018 with the purpose of highlighting the division among tweets positive and negative toward vaccine, the use of sources and arguments as well as what risks are expressed and how the tweets relate to research and media. The study conducted is based on a combination of a quantitative content analysis followed by a qualitative content analysis. In total 260 Swedish tweets are being analyzed during the study, 18 of them make up the material for the qualitative study, all published 2-5 January 2018. Theories about media and health, post-truth, risk and participation make up the theoretical framework for the conducted study. The results from the study are analyzed through these theories. Results from the quantitative content analysis show that more than half of the tweets mentioning vaccine are positive toward vaccine. Tweets arguing in favor of vaccine use more sentiment in their arguments and those opposing vaccine more often use rational arguments. The quantitative analysis also show that half of the tweets used a source and primarily with the purpose of spreading information. Additionally a majority of those tweets using a source support the source mentioned, sources mostly used are media or authorities/institutions. Almost two-thirds of all tweets express some kind of risk. The risks most frequently expressed are risk of disease, lack of people vaccinated and immigration. Four themes emerge from the qualitative content analysis, two themes among tweets negative toward vaccine and two themes from tweets positive toward vaccine. The negative tweets speak of measles as a harmless disease and the danger of taking vaccine. On the contrary, the positive tweets speak of the dangers of measles and of the lack of people vaccinated as dangerous. / I denna studie undersöks twitterinlägg som publicerats under utbrott av mässling i januari 2018 för att belysa fördelningen mellan inlägg för och mot vaccin, användning av källor och argument samt hur inläggen ger uttryck för risk och även deras förhållande till forskning och media. Studien bygger på en kombinerad metod med en kvantitativ innehållsanalys följt av en kvalitativ innehållsanalys. Totalt har 260 svenska twitterinlägg ingått i studiens empiriska material, varav 18 ingått i den kvalitativa delen av studien, och samtliga är hämtade 2-5 januari 2018. Teorier om hälsa och medier, post-truth, risk samt deltagande utgör den genomförda studiens teoretiska ramverk. Dessa teorier används för att analysera studiens resultat. Resultatet av den kvantitativa analysen visade att mer än hälften av de inlägg som berörde vaccin var positiva till vaccin. I sin argumentation användes främst emotionella argument hos inlägg positiva till vaccin och logiska argument hos inlägg negativa till vaccin. Den kvantitativa studien visade även att hälften av alla inlägg använt sig av en källa och då främst i syfte att informera, dessutom ställde majoriteten av twitterinläggen sig positiva till den källa de hänvisat till vilket oftast var media eller myndigheter/institutioner. Nästan två tredjedelar av inläggen gav uttryck för risk och då var sjukdom, brist på vaccinerade och invandring de risker som lyftes fram mest. I den kvalitativa delen av studien framkom fyra teman, två för inlägg negativa till vaccin och två för inlägg positiva till vaccin. Inlägg negativa till vaccin talade om hur mässling inte var farligt och att vaccin var farligt. I motsats till detta talade inlägg positiva till vaccin om att mässling var farligt och att brist på vaccinerade var farligt.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:ltu-68500 |
| Date | January 2018 |
| Creators | Sarfati, Elin |
| Publisher | Luleå tekniska universitet, Institutionen för konst, kommunikation och lärande |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds