The Roles of YouTube and WhatsApp in Dementia Education for the Older Chinese American Population: Longitudinal Analysis
Notice bibliographique
Résumé
BACKGROUND: Dementia remains a stigmatized topic in the Chinese community. OBJECTIVE: This study aims to analyze and compare the usage of dementia educational YouTube videos and the modalities of video sharing over a 6-year period. METHODS: Dementia educational videos were uploaded to YouTube. Data was collected over a 6-year period. Results from the first 3 years were compared to those from the second 3 years using descriptive statistics and chi-square analysis. RESULTS: Over 6 years, the dementia educational videos generated a total watch time of 269,388 minutes, 37,690 views, and an average view duration of 7.1 minutes. Comparing the first and second 3-year periods of video performance data, there was a longer watch time (59,262 vs 210,126 minutes), more total views (9387 vs 28,303 views), and a longer average view duration (6.3 vs 7.4 minutes). Furthermore, WhatsApp has become a leading external traffic source and top sharing service, accounting for 43.5% (929/2137) and 67.0% (677/1011), respectively. CONCLUSIONS: Over 6 years, YouTube has become an increasingly popular tool to deliver culturally sensitive dementia education to Chinese Americans. WhatsApp continues to be the preferred method of sharing dementia education and has become a top external traffic source to dementia educational videos. Taken together, these social media platforms are promising means of reducing the disparity in dementia knowledge in linguistically and culturally isolated populations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».