‘23 and ½ h’ goes viral: top 10 learnings about making a health message that people give to one another
Notice bibliographique
Résumé
In my day job as a Family Physician, I often wonder, ‘Is this bacterial or viral?’ In my other job, where I try to innovate on how to engage patients in more meaningful ways, my question is slightly different: ‘How can we make this viral instead of bacterial?’ ‘23 ½ hours: what is the single most important thing you can do for your health?’1 (referred to as ‘23.5’ below and figure 1) is a video I posted on YouTube in December 2011. My objective in making the video was twofold: 1) to experiment in creating a new way of engaging patients about their health and 2) to answer what is the most important thing we can do for our health? I am a family doctor, not a sports medicine expert, so I was intrigued that my answer is exercise. I was intrigued as activity is something I ask my patients about but it is not something I have systematically assessed and counselled upon in my practice in the same way as other clinical problems such as blood pressure or cholesterol. Like any good virus, my primary objective was spread. At the time of writing (22 February 2012) 23.5 has had 2 million people sit down and view it, has averaged about 25 000 views a day, generated over 1000 comments and has been ‘liked’ by over 16 000 people (and ‘disliked’ by 190). It has already been translated by the ‘community’ into Spanish and …
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,117 | 0,040 |
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 source (Gemma direct ou Codex distillé), 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 ».