Facebook Advertising Across an Engagement Spectrum: A Case Example for Public Health Communication
Notice bibliographique
Résumé
BACKGROUND: The interpersonal, dialogic features of social networking sites have untapped potential for public health communication. We ran a Facebook advertising campaign to raise statewide awareness of Michigan's newborn screening and biobanking programs. OBJECTIVE: We ran a Facebook advertising campaign to stimulate public engagement on the complex and sensitive issue of Michigan's newborn screening and biobank programs. METHODS: We ran an 11-week, US $15,000 Facebook advertising campaign engaging Michigan Facebook users aged 18-64 years about the state's newborn screening and population biobank programs, and we used a novel "engagement spectrum" framework to contextualize and evaluate engagement outcomes ranging from observation to multi-way conversation. RESULTS: The campaign reached 1.88 million Facebook users, yielding a range of engagement outcomes across ad sets that varied by objective, content, budget, duration, and bid type. Ad sets yielded 9009 page likes (US $4125), 15,958 website clicks (US $5578), and 12,909 complete video views to 100% (US $3750). "Boosted posts" yielded 528 comments and 35,966 page post engagements (US $1500). Overall, the campaign led to 452 shares and 642 comments, including 176 discussing newborn screening and biobanking. CONCLUSIONS: Facebook advertising campaigns can efficiently reach large populations and achieve a range of engagement outcomes by diversifying ad types, bid types, and content. This campaign provided a population-based approach to communication that also increased transparency on a sensitive and complex topic by creating a forum for multi-way interaction.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,008 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».