Stakeholder Engagement and Public Information Through Social Media: A Study of Canadian and American Public Transportation Agencies
Notice bibliographique
Résumé
This study uses theories on dialogic accounting to assess whether online interaction through social media is used as a mechanism of public information and stakeholder engagement by Canadian and American public transportation agencies. We embraced a quantitative methodology in which content analysis was performed on the Facebook and Twitter accounts of 35 transit operators in Canada and the United States. We categorized the contents of 1,222 Facebook posts and 2,615 tweets, assessed which level and what type of interaction was effectively reached for every category, tracked whether and how agencies reply to comments on their posts, and assessed the general tenor of the discussion. Our results show that public transportation agencies often take advantage of their presence on social media to provide the public with information on their services and to perform activities associated with stakeholder engagement. However, we have found some significant differences in the utilization of social media by public transportation agencies, all of which are discussed in the “Conclusion” section of this article. Twitter is most often used for public information messages, while Facebook appears to be used more to publish content in a dialogic perspective that creates two-way, collaborative conversations with users. In terms of practical implications, our study suggests that a broader and more continuous commitment to interaction between users and stakeholders on social media would create new opportunities for improving transparency and, indirectly, the services of public agencies.
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,045 | 0,009 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».