MétaCan
Menu
Retour à la cohorte
Enregistrement W2625870057 · doi:10.15173/mjc.v9i0.272

Medicine 2.0 Meets Ontario Hospitals: Why Hospitals Have Been Slow to Adopt Social Media

2013· article· en· W2625870057 sur OpenAlexaffvenueabout
Anne Marie Males

Notice bibliographique

RevueThe McMaster Journal of Communication · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSocial mediaConversationPublic relationsThe InternetHealth careInvestment (military)Social careBusinessPsychologyNursingMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Eighty percent of Canadians are using the Internet and many are using social media. In the U.S. one in five consumers are using social media to access information about hospitals and it is influencing their decisions about where to seek care. Despite this growth, hospitals in Canada and the U.S. appear reluctant to join the conversation with just 27 and 21 per cent of hospitals respectively maintaining a social media presence despite mounting evidence that social media can increase health literacy, aid in fundraising, allow for patient self-care and facilitate research and educational opportunities. The barriers that are preventing hospitals from fully embracing social media include fear of the unknown, lack of established best practices, difficulties in determining return on investment and hospital culture and values barriers that are in conflict with social media culture and values.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,088
Tête enseignante GPT0,360
Écart entre enseignants0,272 · 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'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

Citations0
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe McMaster Journal of CommunicationMême sujetSocial Media in Health EducationTravaux en français237 207