Exploratory Analysis of Electronic Cigarette–Related Videos on YouTube: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Electronic cigarette (e-cigarette) use has become more popular than cigarette smoking, especially among youth. Social media platforms, including YouTube, are a popular means of sharing information about e-cigarette use (vaping). OBJECTIVE: This study aimed to characterize the content and user engagement of e-cigarette-related YouTube videos. METHODS: The top 400 YouTube search videos related to e-cigarettes were collected in January 2020. Among them, 340 valid videos were classified into provaping, vaping-warning, and neutral categories by hand coding. Additionally, the content of e-cigarette videos and their user engagement (including average views and likes) were analyzed and compared. RESULTS: While provaping videos were dominant among e-cigarette-related YouTube videos from 2007 to 2017, vaping-warning videos started to emerge in 2013 and became dominant between 2018 and 2019. Compared to vaping-warning videos, provaping videos had higher average daily views (1077 vs 822) but lower average daily likes (12 vs 15). Among 161 provaping videos, videos on user demonstration (n=100, 62.11%) were dominant, and videos on comparison with smoking had the highest user engagement (2522 average daily views and 28 average daily likes). Conversely, among 141 vaping-warning videos, videos on potential health risks were the most popular topic (n=57, 40.42%) with the highest user engagement (1609 average daily views and 33 average daily likes). CONCLUSIONS: YouTube was dominated by provaping videos, with the majority of videos on user demonstrations before 2018. The vaping-warning videos became dominant between 2018 and 2019, with videos on potential health risks being the most popular topic. This study provides updated surveillance on e-cigarette-related YouTube videos and some important guidance on associated social media regulations.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,002 | 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 ».