Social Media Use for Public Health Campaigning in a Low Resource Setting: The Case of Waterpipe Tobacco Smoking
Notice bibliographique
Résumé
INTRODUCTION: Waterpipe tobacco smoking prevalence is increasing worldwide despite its documented health effects. A general belief that it is less harmful than cigarettes may be fuelled by the lack of media campaigns highlighting its health effects. We aimed to create and assess the impact of a social media campaign about dangers of waterpipe smoking. METHODS: The "ShishAware" campaign included three social media (Facebook, Twitter, and YouTube) and a website. Nine months after launch we collected data to assess use of, and reaction to, our media accounts. RESULTS: Requiring limited maintenance resources, Facebook attracted campaign supporters but YouTube attracted opposers. Twitter enabled the most organisation-based contact but Facebook was the most interactive medium. Facebook users were more likely to "like" weekday than weekend statuses and more likely to comment on "shisha fact" than "current affairs" statuses. Follower subscription increased as our posting rate increased. Our YouTube video gained 19,428 views (from all world continents) and 218 comments (86% from pro-waterpipe smokers). CONCLUSIONS: Social media campaigns can be created and maintained relatively easily. They are innovative and have the potential for wide and rapid diffusion, especially towards target audiences. There is a need for more rigorous evaluation of their effects, particularly among the youth.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».