Perceived Attitudes About Substance Use in Anonymous Social Media Posts Near College Campuses: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Substance use is a major issue for adolescents and young adults, particularly college students. With the importance of peer influence and the ubiquitous use of social media among these age groups, it is important to assess what is discussed on various social media sites regarding substance use. One particular mobile app (Yik Yak) allowed users to post any message anonymously to nearby persons, often in areas with close proximity to major colleges and universities. OBJECTIVE: This study describes the content, including attitude toward substances, of social media discussions that occurred near college campuses and involved substances. METHODS: A total of 493 posts about drugs and alcohol on Yik Yak were reviewed and coded for their content, as well as the poster's attitude toward the substance(s) mentioned. RESULTS: Alcohol (226/493, 45.8%), marijuana (206/493, 41.8%), and tobacco (67/493, 13%) were the most frequently mentioned substances. Posts about use (442/493) were generally positive toward the substance mentioned (262/442, 59.3%), unless the post was about abstinence from the substance. Additionally, posts that commented on the substance use of others tended to be less positive (18/92, 19.6% positive) compared to posts about one's own use (132/202, 65.3% positive). CONCLUSIONS: This study provides a description of anonymous discussions on or near college campuses about drugs and alcohol, which serves as an example of data that can be examined from social media sites for further research and prevention campaigns.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».