Effective approaches to public engagement with global health topics
Notice bibliographique
Résumé
BACKGROUND: "Public engagement" in science is a term that covers a broad spectrum of activities undertaken by the scientific community. The precise definitions are constantly evolving to incorporate new means of engagement, facilitated by emerging technologies. Global health research is amenable to community engagement and popularization, but it is difficult to know which strategies work best to attract considerable attention from the public. METHODS: This is a review of the articles and documents that address the question of public engagement with topics in medical sciences, particularly in global health. Semantic searches were conducted using Google Scholar rather than indexed databases due to poor indexing of the topic. More than 1000 titles were screened and 48 articles were retained as most useful. It then moves to a more specific topic of the online public engagement in global health. RESULTS: The review presents the attempts to define public engagement in science and its general importance, particularly in the field of global health. Examples of the latter include tobacco use, vaccination, and maternal and child health. In reviewing effective approaches to public engagement in global health through online video campaigns, it studies the examples of crowdfunding, USAID's First Public Engagement Campaign, World Health Organization's Social Media Campaigns and the impact of Global Health Media Project. CONCLUSIONS: This review reveals three key gaps in the understanding of determinants of effective online public engagement in global health. The mixed results of traditional mass media campaigns in global health emphasise the calls for more research on message content. A framework for effective message content would help in both raising awareness of key issues and creating behaviour change in the general public. Moreover, it is surprising to find no formal research on what constitutes effective video content in global health. Finally, few studies considered important metrics to track in social media campaigns. There is a clear need to investigate which video features are effective in global health online public engagement. Success will be defined through key video marketing metrics and tracked in order to isolate effective content features.
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 | 0,030 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».