MétaCan
Menu
Retour à la cohorte
Enregistrement W2285525543 · doi:10.5489/cuaj.3322

Qualitative Twitter analysis of participants, tweet strategies, and tweet content at a major urologic conference

2016· article· en· W2285525543 sur OpenAlexvenueno aff
Hendrik Borgmann, Jan-Henning Woelm, Axel S. Merseburger, Tim Nestler, Johannes Salem, Maximilian Peter Brandt, Axel Haferkamp, Stacy Loeb

Notice bibliographique

RevueCanadian Urological Association Journal · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopularitySocial mediaMicrobloggingContent analysisPercentileMedicinePsychologyComputer scienceWorld Wide WebSociologyMathematicsSocial scienceSocial psychologyStatistics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The microblogging social media platform Twitter is increasingly being adopted in the urologic field. We aimed to analyze participants, tweet strategies, and tweet content of the Twitter discussion at a urologic conference. METHODS: A comprehensive analysis of the Twitter activity at the European Association of Urology Congress 2013 (#eau2013) was performed, including characteristics of user profiles, engagement and popularity measurements, characteristics and timing of tweets, and content analysis. RESULTS: Of 218 Twitter contributors, doctors (45%) were the most frequent, ahead of associations (15%), companies (10%), and journals (3%). However, journals had the highest tweet/participant rate (22 tweets/participant), profile activity (median: 1177, total tweets, 1805 followers, 979 following), and profile popularity (follower/following ratio: 2.1; retweet rank percentile: 96%). Links in a profile were associated with higher engagement (p<0.0001) and popularity (p<0.0001). Of 1572 tweets, 57% were original tweets, 71% contained mentions, 20% contained links, and 25% included pictures. The majority of tweets (88%) were during conference hours, with an average of 24.7 tweets/hour and a peak activity of 71 tweets/hour. Overall, 59% of tweets were informative, led by the topics uro-oncology (21%), urologic research (21%), and urotechnology (12%). Limitations include the analysis of a single conference analysis, assessment of global profile and not domain-specific activity, and the rapid evolution in Twitter-using habits. CONCLUSION: Results of this single conference qualitative analysis are promising for an enrichment of the scientific discussions at urologic conferences through the use of Twitter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,267
Tête enseignante GPT0,411
Écart entre enseignants0,145 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Urological Association JournalMême sujetSocial Media in Health EducationTravaux en français237 207