Twitter and academic Urology in the United States and Canada: a comprehensive assessment of the Twitterverse in 2019
Notice bibliographique
Résumé
OBJECTIVE: To provide the first comprehensive analysis of the Twitterverse amongst academic urologists and programmes in North America. METHODS: Using national accreditation and individual programme websites, all active urology residency programmes (USA and Canada) and academic Urology faculty at these programmes were identified. Demographic data for each programme American Urological Association [AUA] section, resident class size) and physician (title, fellowship training, Scopus Hirsch index [H-index] and citations) were documented. Twitter metrics (Twitter handle, date joined, # tweets, # followers, # following, likes) for programmes and physicians were catalogued (data capture: March-April 2019). Descriptive analyses and temporal trends in Twitter utilisation amongst programmes and physicians were assessed. Multivariable logistic regression was used to identify predictors of Twitter use. RESULTS: In all, 156 academic programmes (143 USA, 13 Canada) and 2214 academic faculty (2015 USA, 199 Canada) were identified. Twitter utilisation is currently 49.3% and 34.1% amongst programmes and physicians, respectively, and continues to increase. On multivariable analysis, programmes with 3-5 residents/year and programmes with a higher percentage of faculty Twitter engagement were more likely to have Twitter accounts. From a physician perspective, those with fellowship training, lower academic rank (Clinical Instructor, Assistant Professor, Associate Professor vs Professor) and higher H-indices were more likely to have individual Twitter accounts. CONCLUSION: There is a steady increase in Twitter engagement amongst Urology programmes and academic physicians. Faculty Twitter utilisation is an important driver of programme Twitter engagement. Twitter social media activity is strongly associated with academic productivity, and may in fact drive academic metrics. Within Urology, social media presence appears to be proportional to academic activity.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».