“This is just how I cope”: An inductive thematic analysis of eating disorder recovery content created and shared on <scp>TikTok</scp> using #<scp>EDrecovery</scp>
Notice bibliographique
Résumé
OBJECTIVE: To explore eating disorder (ED) recovery-related content created and shared on the social media platform TikTok. METHOD: A systematic review and inductive thematic analysis of 150 TikTok posts catalogued under hashtag (#) EDrecovery. Two coders independently analyzed the posts and a critical peer facilitated discussions about the resulting codes and themes. RESULTS: Creators on TikTok used #EDrecovery to share their personal experiences with recovery through the use and cooption of popular (or viral) video formats, succinct storytelling, and the production of educational content. Five themes were interpreted across the data: (a) ED awareness, (b) inpatient story time: "ED unit tings", (c) eating in recovery, (d) transformations: "how about a weight gain glow up?", and (e) trendy gallows humor: "let's confuse people who have a good relationship with food". DISCUSSION: TikTok as a user-friendly, creative media may provide the artistic and social tools for some creators to add their distinct voice to the ED recovery narrative and foster some semblance of community. Although all of the analyzed content was catalogued under #EDrecovery, some of the posts reified the increasingly blurred boundary that exists between ED recovery and pro-ED content on TikTok.
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 | 0,047 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».