Exploring the Characteristics and Behaviors of Nurses Who Have Attained Microcelebrity Status on Instagram: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Instagram is a social media platform that enables users to share images and videos worldwide. Some nurses have used Instagram to document their experiences as a nurse and have subsequently gained microcelebrity status-that is, a user who purposefully seeks to amass a substantive Web-based following and has become recognized as a niche area of interest. OBJECTIVE: This study aimed to identify the characteristics and behaviors of microcelebrity nurses who act as influencers on Instagram and use their nursing profile to gain attention and presence on the Web. METHODS: A qualitative, exploratory, nonparticipatory content analysis of media and text generated by a purposeful sample of 10 registered nurses who use Instagram and sustain a definable microcelebrity status was conducted. In this study, manifest and latent data were examined to gain an understanding of the characteristics and behaviors of nurses who have attained microcelebrity status on Instagram. RESULTS: Data analysis revealed 5 themes of Instagram posts: (1) engaging Instagram users, (2) educational opportunities and insights, (3) nursing-related humor, (4) emotions experienced by nurses, and (5) media and narratives including patient details or work context. Messages were primarily positive in nature; however, multiple potential privacy, ethical, and professional issues were noted throughout the posted content. CONCLUSIONS: The findings of this study help to expand the current knowledge related to the use of social media platforms such as Instagram, especially in regard to the emergence of nurses who use this form of technology to achieve or maintain a microcelebrity status. This study calls for additional research on nurses' attainment of microcelebrity status on social media as well as further policy development to adequately prepare nurses to navigate social media.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».