#CGS2015: An Evaluation of Twitter Use at the Canadian Geriatrics Society Annual Scientific Meeting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Twitter is a microblogging platform increasingly used in medicine to overcome geographic barriers and promote international connections. Tweets, the 280-character microblogs, are catalogued by hashtags (#). This study evaluates and describes the participation, content, and impact of Twitter at the 2015 Canadian Geriatrics Society (CGS) Annual Scientific Meeting, during which #CGS2015 was the official conference hashtag. METHODS: Twitter transcripts of #CGS2015 were obtained from Symplur to prospectively analyze tweets for content and quantitative metrics. TweetReach was used to retrospectively analyze tweets with the hashtag #CGS2014 from the 2014 meeting for growth analysis. The impact of Twitter on the conference experience was derived from questionnaires. RESULTS: There were 1,491 #CGS2015 tweets, 40% of which were original. Tweet content was categorized into conference sessions (38.8%), networking (29.2%), resource sharing (17.6%), and conference promotion (14.3%). Of the 279 participants, 60% were non-Canadian. The questionnaire data from 86 respondents demonstrated generally positive experiences with Twitter, particularly with facilitating collegial interactions, resource sharing, and insight into sessions not attended live. The most cited drawback was divided attention when using personal devices. Analysis comparing #CGS2014 to #CGS2015 demonstrated increases in total participants (50 to 279), number of tweets (434 to 1,491) and impressions (155,600 to 943,825). CONCLUSIONS: Twitter engagement at the CGS 2015 annual meeting enabled international participation in networking, resource sharing, and online discussions of sessions. Future conferences may benefit from a workshop on Twitter basics for attendees and presenters.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle