Who do they think they are? A quantitative content analysis of exercise bloggers and their blogs
Notice bibliographique
Résumé
Social media, including blogs, are popular conduits of exercise information that may influence the reader's thoughts and behaviours. It is unknown however, how bloggers represent themselves online, if they are qualified to give exercise advice, and what types of information they most commonly share on their blogs. This may cause confusion for readers and has the potential to contribute to misinformation, or unhealthy behaviours (e.g., exercise addiction). The current study used quantitative content analysis to examine the features of 194 popular fitness and exercise blogs, with a focus on blog authors. Additionally, 722 content pages from the blogs were analyzed for content type, post format, and interactive features. Results suggest that only 16.4% of bloggers report having fitness/exercise certifications although 57% report being a fitness/exercise professional. In addition to fitness/exercise, blog posts included content about related topics such as nutrition, and unrelated topics like fashion and politics. Blogs were highly interactive with 76.3% including comments sections. Most blogs included multimediality for content sharing with Facebook (90.7%), Twitter (86.1%), and Instagram (68.0%) most predominant. Blogs may provide an online space for like-minded exercisers to connect, foster a community of support, and learn more about various exercise modalities and facilities. Yet given the ambiguity of authorship, consumers may be left unaware if fitness and exercise bloggers are exercise experts, and whether or not blog content is a reliable source of exercise information.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».