Influence of Flavors on the Propagation of E-Cigarette–Related Information: Social Media Study
Notice bibliographique
Résumé
BACKGROUND: Modeling the influence of e-cigarette flavors on information propagation could provide quantitative policy decision support concerning smoking initiation and contagion, as well as e-cigarette regulations. OBJECTIVE: The objective of this study was to characterize the influence of flavors on e-cigarette-related information propagation on social media. METHODS: We collected a comprehensive dataset of e-cigarette-related discussions from public Pages on Facebook. We identified 11 categories of flavors based on commonly used categorizations. Each post's frequency of being shared served as a proxy measure of information propagation. We evaluated a set of regression models and chose the hurdle negative binomial model to characterize the influence of different flavors and nonflavor control variables on e-cigarette-related information propagation. RESULTS: We found that 5 flavors (sweet, dessert & bakery, fruits, herbs & spices, and tobacco) had significantly negative influences on e-cigarette-related information propagation, indicating the users' tendency not to share posts related to these flavors. We did not find a positive significance of any flavors, which is contradictory to previous research. In addition, we found that a set of nonflavor-related factors were associated with information propagation. CONCLUSIONS: Mentions of flavors in posts did not enhance the popularity of e-cigarette-related information. Certain flavors could even have reduced the popularity of information, indicating users' lack of interest in flavors. Promoting e-cigarette-related information with mention of flavors is not an effective marketing approach. This study implies the potential concern of users about flavorings and suggests a need to regulate the use of flavorings in e-cigarettes.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».