Exploring Sub-Saharan Africa’s Communication of COVID-19-Related Health Information on Social Media
Notice bibliographique
Résumé
Abstract Social media presents a robust stage for disseminating time-sensitive information that is needed during a public health disease of global concern such as COVID-19. This study finds out how the 23 anglophone Sub-Saharan African countries’ national health ministries and infectious disease agencies disseminated COVID-19 related information through their social media accounts within the first three months after the declaration of COVID-19 as a pandemic by the World Health Organization. COVID-19 related qualitative and quantitative data types were collected from the social media accounts of the surveyed national health ministries and agencies for analysis. Over 86% of the African countries had presence on social media; Facebook was the most popular, though Twitter contained more posts. One of the credibility issues that was noticed is that most of the health ministries’ and agencies’ social media accounts were unverified and access to the social media accounts was not provided on most of their official websites. Information dissemination became more deliberate and increased significantly after the announcement of the fist cases of COVID-19 in the countries under review. Awareness creation, updates and news constituted the major categories of information that were disseminated, mostly in the form of derivative social media information before the announcement of the first COVID-19 case in the surveyed African countries. Campaigns against misinformation were barely undertaken by most of the countries. Strategies used by some countries included the employment of social media influencers and creation of content in local languages. Strategies that include development of health information content that targets different groups in African societies and the inclusion of elderly in the community and religious leaders as non-state actors in health information communication were recommended.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».