Social Media as a Platform for Recruitment to a National Survey During the COVID-19 Pandemic: Feasibility and Cost Analysis
Notice bibliographique
Résumé
BACKGROUND: With improved accessibility to social media globally, health researchers are capitalizing on social media platforms to recruit participants for research studies. This has particularly been the case during the COVID-19 pandemic, when researchers were not able to use traditional methods of recruitment. Nevertheless, there is limited evidence on the feasibility of social media for recruiting a national sample. OBJECTIVE: This paper describes the use of social media as a tool for recruiting a national sample of adults to a web-based survey during the COVID-19 pandemic. METHODS: Between August and October 2020, participants were recruited through Facebook via two advertisement campaigns (paid option and no-cost option) into a web-based survey exploring the relationship between social determinants of health and well-being of adults during the COVID-19 pandemic. Data were analyzed using SPSS software and Facebook metrics that were autogenerated by Facebook Ads Manager. Poststratification weights were calculated to match the Australian population on the basis of gender, age, and state or territory based on the 2016 Australian census data. RESULTS: In total, 9594 people were reached nationally with the paid option and potentially 902,000 people were reached through the no-cost option, resulting in a total of 1211 survey responses. The total cost of the advertisement campaign was Aus $649.66 (US $489.23), resulting in an overall cost per click of Aus $0.25 (US $0.19). CONCLUSIONS: Facebook is a feasible and cost-effective method of recruiting participants for a web-based survey, enabling recruitment of population groups that are considered hard to reach or marginalized. Recruitment through Facebook facilitated diversity, with participants varying in socioeconomic status, geographical location, educational attainment, and age.
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 | 0,089 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».