MétaCan
Menu
Retour à la cohorte
Enregistrement W2968475433 · doi:10.1016/j.jtcvs.2019.06.099

The Thoracic Surgery Social Media Network: Early experience and lessons learned

2019· article· en· W2968475433 sur OpenAlexaff
Jessica G.Y. Luc, Maral Ouzounian, Edward M. Bender, Arie Blitz, Nikki Stamp, Thomas K. Varghese, David T. Cooke, Mara B. Antonoff

Notice bibliographique

RevueJournal of Thoracic and Cardiovascular Surgery · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAnnalsAudience measurementSocial mediaMedicineAnalyticsCardiothoracic surgerySpecialtySocial media analyticsMedical educationSurgeryWorld Wide WebData scienceAdvertisingFamily medicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Thoracic Surgery Social Media Network (TSSMN) is a social media collaborative formed in 2015 by The Annals of Thoracic Surgery and The Journal of Thoracic and Cardiovascular Surgery to bring social media attention to key publications from both journals and to highlight major accomplishments in the specialty. Our aim is to describe TSSMN's preliminary experience and lessons learned. METHODS: Twitter analytics was used to obtain information regarding the @TSSMN Twitter handle and #TSSMN hashtag. TweetChat and general hashtag #TSSMN analytics were measured using Symplur (Symplur LLC, Los Angeles, Calif). A TSSMN Tweeter App was created, and its use and downloads were analyzed. RESULTS: Hashtag #TSSMN has a total of 17,181 tweets, 2100 users, and 32,226,280 impressions, with peaks in tweeting activity corresponding to TweetChats. Thirteen 1-hour TweetChats drew a total of 489 participants, 5195 total tweets, and 17,297,708 total impressions. The top demographic category of TweetChat participants included Doctors (47%), Advocates/Supports (11%), and Unknown (10%), with 3% characterized as patients. The TSSMN Tweeter iTunes App (Apple, Cupertino, Calif) was downloaded 3319 times with global representation. A total of 859 articles were viewed through the App, with 450 articles from The Annals of Thoracic Surgery and 409 from The Journal of Thoracic and Cardiovascular Surgery. CONCLUSIONS: We demonstrate that TSSMN further enhances the ability for the journals to connect with their readership and the cardiothoracic community. Ongoing studies to correlate social media attention with article reads, article-level metrics, citations, and journal impact factor are eagerly awaited.

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)0,008
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,014
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,399
Écart entre enseignants0,267 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic and Cardiovascular SurgeryMême sujetSocial Media in Health EducationTravaux en français237 207