Predictors of User Engagement With Facebook Posts Generated by a National Sample of Lesbian, Gay, Bisexual, Transgender, and Queer Community Centers in the United States: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Lesbian, gay, bisexual, transgender, and queer (LGBTQ) community centers remain important venues for reaching and providing crucial health and social services to LGBTQ individuals in the United States. These organizations commonly use Facebook to reach their target audiences, but little is known about factors associated with user engagement with their social media presence. OBJECTIVE: This study aimed to identify factors associated with engagement with Facebook content generated by LGBTQ community centers in the United States. METHODS: Content generated by LGBTQ community centers in 2017 was downloaded using Facebook's application programming interface. Posts were classified by their content and sentiment. Correlates of user engagement were identified using negative binomial regression. RESULTS: A total of 32,014 posts from 175 community centers were collected. Posts with photos (incidence rate ratio, [IRR] 1.07; 95% CI 1.06-1.09) and videos (IRR 1.54; 95% CI 1.52-1.56) that contained a direct invitation for engagement (IRR 1.03; 95% CI 1.02-1.04), that expressed a positive sentiment (IRR 1.11; 95% CI 1.10-1.12), and that contained content related to stigma (IRR 1.16; 95% CI 1.14-1.17), mental health (IRR 1.33; 95% CI 1.31-1.35), and politics (IRR 1.28; 95% CI 1.27-1.29) received higher levels of engagement. CONCLUSIONS: The results of this study provide support for the use of Facebook to extend the reach of LGBTQ community centers and highlight multiple factors that can be leveraged to optimize engagement.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».