Instagram as a knowledge mobilization platform for youth resilience research: An exploratory study
Notice bibliographique
Résumé
Objectives: Social media (SoMe) is globally prevalent, but its relevance for disseminating sensitive topics, such as violence victimization and mental health among adolescents and emerging adults, remain under-researched. Youth-dominate platforms may be well-suited for resilience messaging on safety, health, and well-being, and exploratory knowledge mobilization research. Research from a common team funding source supported a secondary objective that thematically linked research could be used to impact dissemination. Methods: This experiment utilized an ABA design, with a two-week baseline, followed by SoMe posting on weeks "A" and no posting on weeks "B" from a single Instagram account. During posting weeks, image-based messages from nine open access articles, from a risk and resilience research team, were posted three times per day. Each post contained a link to the associated open-access research article. Outcome dissemination indices, collected weekly, were reads of the referenced articles on a research-based networking site, ResearchGate. Results: Instagram indices formed the basis of our manipulation check. Relative to periods of inactivity, periods of active Instagram engagement led to significant increases in the number of Instagram impressions, website clicks, and followers, and in the number of reads of the posted ResearchGate articles. Implications: As the first study to examine Instagram impact for risk and resilience research, these findings encourage further SoMe work in this area of high public health import.
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 | 0,015 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».