How Health Care Organizations Approach Social Media Measurement: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Many health care organizations use social media to support a variety of activities. To ensure continuous improvement in social media performance, health care organizations must measure their social media. OBJECTIVE: The purpose of this study is to explore how health care organizations approach social media measurement and to elucidate the tools they employ. METHODS: In this exploratory qualitative research, Australian health care organizations that use social media, varying in size and locality, were invited to participate in the study. Data were collected through semistructured interviews, and the transcripts were analyzed using thematic analysis. RESULTS: The study identified health care organizations' approaches to social media measurement. While some measured their social media frequently, others used infrequent measurements, and a few did not measure theirs at all. Those that measured their social media used one or a combination of the following yardsticks: personal benchmarking, peer benchmarking, and metric benchmarking. The metrics tracked included one or more of the following: reach, engagement, and conversion rates. The tools employed to measure social media were either inbuilt or add-on analytics tools. Although many participants showed great interest in measuring their social media, they still had some unanswered questions. CONCLUSIONS: The lack of a consensus approach to measurement suggests that, unlike other industries, social media measurement in health care settings is at a nascent stage. There is a need to improve knowledge, sophistication, and integration of social media strategy through the application of theoretical and analytical knowledge to help resolve the current challenge of effective social media measurement. This study calls for social media training in health care organizations. Such training must focus on how to use relevant tools and how to measure their use effectively.
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 | 0,040 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,011 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».