Electronic Cigarette–Related Contents on Instagram: Observational Study and Exploratory Analysis
Notice bibliographique
Résumé
BACKGROUND: Instagram is a popular social networking platform for users to upload pictures sharing their experiences. Instagram has been widely used by vaping companies and stores to promote electronic cigarettes (e-cigarettes), as well as by public health entities to communicate the risks of e-cigarette use (vaping) to the public. OBJECTIVE: We aimed to characterize current vaping-related content on Instagram through descriptive analyses. METHODS: From Instagram, 42,951 posts were collected using vaping-related hashtags in November 2019. The posts were grouped as (1) pro-vaping, (2) vaping warning, (3) neutral to vaping, and (4) not related to vaping based on the attitudes to vaping expressed within the posts. From these Instagram posts and the corresponding 18,786 unique Instagram user accounts, 200 pro-vaping and 200 vaping-warning posts as well as 200 pro-vaping and 200 vaping-warning user accounts were randomly selected for hand coding. Furthermore, follower counts and media counts of the Instagram user accounts as well as the "like" counts and hashtags of the posts were compared between pro-vaping and vaping-warning groups. RESULTS: There were more posts in the pro-vaping group (41,412 posts) than there were in the vaping-warning group (1539 posts). The majority of pro-vaping images were product display images (163/200, 81.5%), and the most popular image type in vaping-warning posts was educational (95/200, 47.5%). The highest proportion of pro-vaping user account type was vaping store (110/189, 58.1%), and the store account type had the highest mean number of posts (10.33 posts/account). The top 3 vaping-warning user account types were personal (79/155, 51%), vaping-warning community (37/155, 23.9%), and community (35/155, 22.6%), of which the vaping-warning community had the highest mean number of posts (3.68 posts/account). Pro-vaping user accounts had more followers (median 850) and media (median 232) than vaping-warning user accounts had (follower count: median 191; media count: 92). Pro-vaping posts had more "likes" (median 22) and hashtags (mean 20.39) than vaping-warning posts had ("like" count: median 12; hashtags: mean 7.16). CONCLUSIONS: Instagram is dominated by pro-vaping content, and pro-vaping posts and user accounts seem to have more user engagement than vaping-warning accounts have. These results highlight the importance of regulating e-cigarette posts on social media and the urgency of identifying effective communication content and message delivery methods with the public about the health effects of e-cigarettes to ameliorate the epidemic of vaping in youth.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».