Promoting Mask Use on TikTok: Descriptive, Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Over the past decade, there has been an increasing secular trend in the number of studies on social media and health. OBJECTIVE: The purpose of this cross-sectional study was to examine the content and characteristics of TikTok videos that are related to an important aspect of community mitigation-the use of masks as a method for interrupting the transmission of SARS-CoV-2. METHODS: In total, 100 trending videos with the hashtag #WearAMask (ie, a campaign on TikTok), along with 32 videos that were posted by the World Health Organization (WHO) and involved masks in any way (ie, all related WHO videos at the time of this study), were included in our sample. We collected the metadata of each post, and created content categories based on fact sheets that were provided by the WHO and the US Centers for Disease Control and Prevention. We used these fact sheets to code the characteristics of mask use. RESULTS: Videos that were posted on TikTok and had the hashtag #WearAMask garnered almost 500 million views, and videos that were posted by the WHO garnered almost 57 million views. Although the ratio of the number of trending #WearAMask videos to the number of WHO videos was around 3:1, the #WearAMask videos received almost 10 times as many cumulative views as the WHO videos. In total, 68% (68/100) of the trending #WearAMask videos involved humor and garnered over 355 million cumulative views. However, only 9% (3/32) of the WHO videos involved humor. Furthermore, 27% (27/100) of the trending #WearAMask videos involved dance and garnered over 130 million cumulative views, whereas none of the WHO videos involved dance. CONCLUSIONS: This study is one of the first to describe how TikTok is being used to mitigate the community spread of COVID-19 by promoting mask use. Due to the platform's incredible reach, TikTok has great potential in conveying important public health messages to various segments of the population.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».