MétaCan
Menu
Retour à la cohorte
Enregistrement W2898042872 · doi:10.1097/acm.0000000000002496

The Social Media Editor at Medical Journals: Responsibilities, Goals, Barriers, and Facilitators

2018· article· en· W2898042872 sur OpenAlexaff
Melany N. Lopez, Teresa M. Chan, Brent Thoma, Vineet M. Arora, N. Seth Trueger

Notice bibliographique

RevueAcademic Medicine · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of SaskatchewanMcMaster University
Organismes subventionnairesNational Institute on Aging
Mots-clésSocial mediaSnowball samplingPublic relationsFacilitatorThematic analysisMainstreamSociologyPhoneMedical educationBusinessPsychologyPolitical scienceMedicineQualitative research

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To determine the responsibilities of journal social media editors (SMEs) and describe their goals and barriers and facilitators to their position. METHOD: The authors identified SMEs using an informal listserv and snowball sampling. Participants were interviewed (June-July 2016) about their position, including responsibilities; goals; barriers and facilitators; and attitudes and perceptions about the position. Themes were identified through a thematic analysis and consensus-building approach. Descriptive data, including audience metrics and 2016 impact factors, were collected. RESULTS: Thirty SMEs were invited; 24 were interviewed (19 by phone and 5 via e-mail). SMEs generally had a track record in the social media community before being invited to be SME; many had preexisting roles at their journal. Responsibilities varied considerably; some SMEs also served as decision editors. Many SMEs personally managed journal accounts, and many had support from nonphysician journal staff. Consistently, SMEs focused on improving reader engagement by disseminating new journal publications on social media. The authors identified goals, resources, and sustainability as primary themes of SMEs' perspectives on their positions. Editorial leadership support was identified as a key facilitator in their position at the journal. Challenges to sustainability included a lack of tangible resources and uncertainty surrounding, or a lack of, academic credit for social media activities. CONCLUSIONS: Many of the participating SMEs pioneered the use of social media as a platform for knowledge dissemination at their journals. While editorial boards were qualitatively supportive, SMEs were challenged by limited resources and lack of academic credit for social media work.

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)0,036
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,104
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,003
Communication savante0,0090,005
Science ouverte0,0010,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,102
Tête enseignante GPT0,459
Écart entre enseignants0,357 · 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.

Devis d'étudeQualitatif
DomaineÉvaluation
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

Citations69
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetSocial Media in Health EducationTravaux en français237 207