Understanding how young African adults interact with peer-generated sexual health information on Facebook and uncovering strategies for successful organic engagement
Notice bibliographique
Résumé
BACKGROUND: The use of social media for sexual health communication is gaining intense discussion both globally and in Africa. Despite this reality, it remains unclear whether and how young African adults use digital innovations like social media to access sexual health information. More importantly, the unique properties of messages that increase message reach and propagation are not well understood. This study aims to fill the gaps in scholarship by identifying post features and content associated with greater user engagement. METHODS: We analyzed a corpus of 3533 sexual and reproductive health messages shared on a public Facebook group by and for young African adults between June 1, 2018, and May 31, 2019, to understand better the unique features associated with higher engagement with peer-generated sexual health education. Facebook posts were independently classified into thematic categories such as topic, strategy, and tone of communication. RESULTS: The participants generally engaged with posts superficially by liking (x̃ = 54; x̄ = 109.28; σ = 159.24) rather than leaving comments (x̃ = 10; x̄ = 32.03; σ = 62.65) or sharing (x̃ = 3; x̄ = 11.34; σ = 55.12) the wallposts. Messages with fear [IRR:0.75, 95% CI: 0.66-0.86] or guilt [IRR:0.82, 95% CI: 0.72-0.92] appeals received a significantly lower number of reactions compared to neutral messages. Messages requesting an opinion [IRR:4.25, 95% CI: 3.57-5.10] had a significantly higher number of comments compared to status updates. The use of multimedia and storytelling formats were also significantly associated with a higher level of engagement and propagation of sexual health messages on the group. CONCLUSION: Young adults in our sample tend to superficially interact with peer-communicated sexual health information through likes than engage (comments) or propagate such messages. Message features that increase engagements and propagation of messages include multimedia and engaging styles like storytelling. Our findings provide valuable insight and pave the way for the design of effective and context-specific sexual health information use of features that attract young African adults.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».