Videos With the Hashtag #vaping on TikTok and Implications for Informed Decision-making by Adolescents: Descriptive Study
Notice bibliographique
Résumé
BACKGROUND: Despite the public health importance of vaping and the widespread use of TikTok by adolescents and young adults, research is lacking on the nature and scope of vaping content on this networking service. OBJECTIVE: The purpose of this study is to describe the content of TikTok videos related to vaping. METHODS: By searching the hashtag #vaping in the discover feature, ~478.4 million views were seen during the time of data collection. The first 100 relevant videos under that hashtag were used in this study. Relevance was determined by simply noting if the video was related in any way to vaping. Coding consisted of several categories directly related to vaping and additional categories, including the number of likes, comments, and views, and if the video involved music, humor, or dance. RESULTS: The 100 videos included in the sample garnered 156,331,347 views; 20,335,800 likes; and 296,460 comments. The majority of the videos (n=59) used music and over one-third (n=37) used humor. The only content category observed in the majority of the videos sampled was the promotion of vaping, which was included in 57 videos that garnered over 74 million views (47.5% of cumulative views). A total of 42% (n=42) of the 100 videos sampled featured someone vaping or in the presence of vape pens, and these videos garnered over 22% (>35 million) of the total views. CONCLUSIONS: It is necessary for public health agencies to improve understanding of the nature and content of videos that attract viewers' attention and harness the strength of this communication channel to promote informed decision-making about vaping.
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 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 | 0,001 | 0,003 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».