YouTube as a source of information on COVID-19: a pandemic of misinformation?
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic is this century's largest public health emergency and its successful management relies on the effective dissemination of factual information. As a social media platform with billions of daily views, YouTube has tremendous potential to both support and hinder public health efforts. However, the usefulness and accuracy of most viewed YouTube videos on COVID-19 have not been investigated. METHODS: A YouTube search was performed on 21 March 2020 using keywords 'coronavirus' and 'COVID-19', and the top 75 viewed videos from each search were analysed. Videos that were duplicates, non-English, non-audio and non-visual, exceeding 1 hour in duration, live and unrelated to COVID-19 were excluded. Two reviewers coded the source, content and characteristics of included videos. The primary outcome was usability and reliability of videos, analysed using the novel COVID-19 Specific Score (CSS), modified DISCERN (mDISCERN) and modified JAMA (mJAMA) scores. RESULTS: Of 150 videos screened, 69 (46%) were included, totalling 257 804 146 views. Nineteen (27.5%) videos contained non-factual information, totalling 62 042 609 views. Government and professional videos contained only factual information and had higher CSS than consumer videos (mean difference (MD) 2.21, 95% CI 0.10 to 4.32, p=0.037); mDISCERN scores than consumer videos (MD 2.46, 95% CI 0.50 to 4.42, p=0.008), internet news videos (MD 2.20, 95% CI 0.19 to 4.21, p=0.027) and entertainment news videos (MD 2.57, 95% CI 0.66 to 4.49, p=0.004); and mJAMA scores than entertainment news videos (MD 1.21, 95% CI 0.07 to 2.36, p=0.033) and consumer videos (MD 1.27, 95% CI 0.10 to 2.44, p=0.028). However, they only accounted for 11% of videos and 10% of views. CONCLUSION: Over one-quarter of the most viewed YouTube videos on COVID-19 contained misleading information, reaching millions of viewers worldwide. As the current COVID-19 pandemic worsens, public health agencies must better use YouTube to deliver timely and accurate information and to minimise the spread of misinformation. This may play a significant role in successfully managing the COVID-19 pandemic.
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 | 0,013 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».