MétaCan
Menu
Retour à la cohorte
Enregistrement W2762756570 · doi:10.2196/publichealth.6796

Twitter and Public Health (Part 2): Qualitative Analysis of How Individual Health Professionals Outside Organizations Use Microblogging to Promote and Disseminate Health-Related Information

2017· article· en· W2762756570 sur OpenAlexvenueno aff
Mark Hart, Nichole E. Stetten, Sabrina Islam, Katherine Pizarro

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic healthMisinformationSocial mediaMicrobloggingPublic relationsDisseminationHealth careHealth educationHealth promotionInformation DisseminationMedicinePolitical scienceNursingWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Twitter is the most popular form of microblogging that is being utilized in public health to engage audiences and to communicate health-related information. Although there is some research showing the various forms of Twitter use in public health, little is known about how individual public health professionals are using their personal Twitter accounts to disseminate health information. OBJECTIVE: The purpose of this research was to categorize public health professionals' tweets to evaluate how individual public health professionals are furthering the mission of public health. METHODS: Twitter accounts held by public health professionals were identified, and researchers proceeded to record 6 months' worth of each individual's Twitter feed. During the 6-month period, a total of 15,236 tweets were collected and analyzed using the constant comparison method. RESULTS: A total of 23 tweet categories among the 15,236 tweets were initially identified. Some of the most common topics among the 23 categories included the following: health nutrition (n=2008), conferences (n=815), Ebola (n=789), Affordable Care Act (ACA)/health care (n=627), and social justice (n=626). Each of these categories were then stratified into one of four themes: (1) informing and educating, (2) monitoring health statuses and trends, (3) social justice, and (4) professional development. CONCLUSIONS: Using Twitter, public health professionals are helping dispel misinformation through education and by translating technical research into lay terms, advocating for health inequalities, and using it as a means to promote professional development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,003
Communication savante0,0030,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,456
Écart entre enseignants0,314 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetSocial Media in Health EducationTravaux en français237 207