Twitter Use by Academic Nuclear Medicine Programs: Pilot Content Analysis Study
Notice bibliographique
Résumé
BACKGROUND: There is scant insight into the presence of nuclear medicine (NM) and nuclear radiology (NR) programs on social media. OBJECTIVE: Our purpose was to assess Twitter engagement by academic NM/NR programs in the United States. METHODS: We measured Twitter engagement by the academic NM/NR community, accounting for various NM/NR certification pathways. The Twitter presence of NM/NR programs at both the department and program director level was identified. Tweets by programs were cross-referenced against potential high-yield NM- or NR-related hashtags, and tabulated at a binary level. A brief survey was done to identify obstacles and benefits to Twitter use by academic NM/NR faculty. RESULTS: For 2019-2020, 88 unique programs in the United States offered NM/NR certification pathways. Of these, 52% (46/88) had Twitter accounts and 24% (21/88) had at least one post related to NM/NR. Only three radiology departments had unique Twitter accounts for the NM/molecular imaging division. Of the other 103 diagnostic radiology residency programs, only 16% (16/103) had a presence on Twitter and 5% (5/103) had tweets about NM/NR. Only 9% (8/88) of NM/NR program directors were on Twitter, and three program directors tweeted about NM/NR. The survey revealed a lack of clarity and resources around using Twitter, although respondents acknowledged the perceived value of Twitter engagement for attracting younger trainees. CONCLUSIONS: Currently, there is minimal Twitter engagement by the academic NM/NR community. The perceived value of Twitter engagement is counterbalanced by identifiable obstacles. Given radiologists' overall positive views of social media's usefulness, scant social media engagement by the NM community may represent a missed opportunity. More Twitter engagement and further research by trainees and colleagues should be encouraged, as well as the streamlined use of unique hashtags.
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 | 0,004 | 0,014 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».