Communicating Science in the Digital and Social Media Ecosystem: Scoping Review and Typology of Strategies Used by Health Scientists
Notice bibliographique
Résumé
BACKGROUND: The public's understanding of science can be influential in a wide range of areas related to public health, including policy making and self-care. Through the digital and social media ecosystem, health scientists play a growing role in public science communication (SC). OBJECTIVE: This review aimed to (1) synthesize the literature on SC initiated by health scientists targeting the public in the digital and social media ecosystem and (2) describe the SC strategies and communication channels used. METHODS: This scoping review was based on the Joanna Briggs Institute Methodological Framework. A systematic search was performed in 6 databases (January 2000 to April 2018). Title and abstract screening, full-text review, data charting, and critical appraisal were performed independently by two review authors. Data regarding included studies and communication channels were synthesized descriptively. A typology of SC strategies was developed using a qualitative and inductive method of data synthesis. RESULTS: Among 960 unique publications identified, 18 met inclusion criteria. A third of publications scored good quality (6/18, 33%), half scored moderate quality (9/18, 50%), and less than a fifth scored low quality (3/18, 16%). Overall, 75 SC strategies used by health scientists were identified. These were grouped into 9 types: content, credibility, engagement, intention, linguistics, planification, presentation, social exchange, and statistics. A total of 5 types of communication channels were identified: social networking platforms (eg, Twitter), content-sharing platforms (eg, YouTube), digital research communities (eg, ResearchGate), personal blogs and websites (eg, WordPress), and social news aggregation and discussion platforms (eg, Reddit). CONCLUSIONS: Evidence suggests that multiple types of SC strategies and communication channels are used by health scientists concurrently. Few empirical studies have been conducted on SC by health scientists in the digital and social media ecosystem. Future studies should examine the appropriateness and effectiveness of SC strategies for improving public health-related outcomes and identify the barriers, facilitators, and ethical considerations inherent to the involvement of health scientists in the digital and social media ecosystem.
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 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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».