MétaCan
Menu
Retour à la cohorte
Enregistrement W2607233124 · doi:10.1111/jgs.14920

#GeriMed <scp>JC</scp> : The Twitter Complement to the Traditional‐Format Geriatric Medicine Journal Club

2017· article· en· W2607233124 sur OpenAlexafffund
Amanda Gardhouse, Laura Budd, Seu Y. C. Yang, Camilla L. Wong

Notice bibliographique

RevueJournal of the American Geriatrics Society · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensToronto Rehabilitation InstituteMcMaster UniversityUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésJournal clubSocial mediaThematic analysisMedicineMicrobloggingMedical educationCritical appraisalAnalyticsQualitative researchWorld Wide WebAlternative medicineComputer scienceData scienceSociologyPathologySocial science

Résumé

récupéré en direct d'OpenAlex

Twitter is a public microblogging platform that overcomes physical limitations and allows unrestricted participation beyond academic silos, enabling interactive discussions. Twitter-based journal clubs have demonstrated growth, sustainability, and worldwide communication, using a hashtag (#) to follow participation. This article describes the first year of #GeriMedJC, a monthly 1-hour live, 23-hour asynchronous Twitter-based complement to the traditional-format geriatric medicine journal club. The Twitter moderator tweets from the handle @GeriMedJC; encourages use of #GeriMedJC; and invites content experts, study authors, and followers to participate in critical appraisal of medical literature. Using the hashtag #GeriMedJC, tweets were categorized according to thematic content, relevance to the journal club, and authorship. Third-party analytical tools Symplur and Twitter Analytics were used for growth and effect metrics (number of followers, participants, tweets, retweets, replies, impressions). Qualitative analysis of follower and participant profiles was used to establish country of origin and occupation. A semistructured interview of postgraduate trainees was conducted to ascertain qualitative aspects of the experience. In the first year, @GeriMedJC has grown to 541 followers on six continents. Most followers were physicians (43%), two-thirds of which were geriatricians. Growth metrics increased over 12 months, with a mean of 121 tweets, 25 participants, and 105,831 impressions per journal club. Tweets were most often related to the article being appraised (87.5%) and ranged in thematic content from clinical practice (29%) to critical appraisal (24%) to medical education (20%). #GeriMedJC is a feasible example of using social media platforms such as Twitter to encourage international and interprofessional appraisal of medical literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0080,002
Communication savante0,0010,000
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,403
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations33
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Geriatrics SocietyMême sujetSocial Media in Health EducationTravaux en français237 207