Movember: Twitter Conversations of a Hairy Social Movement
Notice bibliographique
Résumé
Movember is an annual “month-long celebration of the moustache” where men grow a mustache and raise money in the largest philanthropic endeavor for men’s health. Movember is predominantly an online campaign, and consequently, participants have actively embraced social media; this is evidenced in the 1,879,994 tweets collected during Movember 2012 in this research project. This article presents an analysis of Movember that examines how individuals use the numerous syntactical features of Twitter to engage in conversation and share information in order to develop a nuanced understanding of how people are utilizing social media as part of the social movement. While Movember has been successful in gaining traction on social media, the Twitter data point to surprising conclusions that have implications for understanding non-profits and social movements online. The following study provides two main contributions to existing sociotechnical social movement literature using a mixed-methods approach. First, the findings suggest that there is limited true conversation taking place although the stated purpose of the campaign is to facilitate conversation. Second, the findings identify that participants are more engaged with Movember as a branded movement than engaged in health promotion. While the tweets are conversational in form, they are largely not conversational in function, which points to Twitter being used as a broadcast tool in this context. These findings have broad implications for understanding how social media is used to engage individuals in social campaigns and engage with each other and share information.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».