Public health agencies outreach through Instagram during the COVID-19 pandemic: Crisis and Emergency Risk Communication perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Governmental and non-governmental institutions increasingly use social media as a strategic tool for public outreach. Global spread, promptness, and dialogic potentials make these platforms ideal for public health monitoring and emergency communication in crises such as COVID-19. Objective: Drawing on the Crisis and Emergency Risk Communication framework, we sought to examine how leading health organizations use Instagram for communicating and engaging during the COVID-19 pandemic. Methods: We manually retrieved Instagram posts together with relevant metadata of four health organizations (WHO, CDC, IFRC, and NHS) shared between January 1, 2020, and April 30, 2020. Two coders manually coded the analytical sample of 269 posts related to COVID-19 on dimensions including content theme, gender depiction, person portrayal, and image type. We further analyzed engagement indices associated with the coded dimensions. Results: The CDC and WHO were the most active of all the assessed organizations with respect to the number of posts, reach, and engagement indices. Most of the posts were about personal preventive measures and mitigation, general advisory and vigilance, and showing gratitude and resilience. An overwhelming level of engagement was observed for posts representing celebrity, clarification, and infographics. Conclusions: Instagram can be an effective tool for health organizations to convey their messages during crisis communication, notably through celebrity involvement, clarification posts, and the use of infographics. There is much opportunity to strengthen the role of health organizations in countering misinformation on social media by providing accurate information, directing users to credible sources, and serving as a fact-check for false information.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle