MétaCan
Menu
Retour à la cohorte
Enregistrement W4282585686 · doi:10.2196/38343

Social Listening to Enhance Access to Appropriate Pandemic Information Among Culturally Diverse Populations: Case Study From Finland

2022· article· en· W4282585686 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Infodemiology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Relations and Crisis Communication
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Social Fund
Mots-clésActive listeningOutreachContext (archaeology)Data collectionMedical educationSocial mediaPsychologyWorld Wide WebComputer scienceMedicineSociologyPolitical scienceCommunication

Résumé

récupéré en direct d'OpenAlex

Background: Social listening, the process of monitoring and analyzing conversations to inform communication activities, is an essential component of infodemic management. It helps inform context-specific communication strategies that are culturally acceptable and appropriate for various subpopulations. Social listening is based on the notion that target audiences themselves can best define their own information needs and messages. Objective: This study aimed to describe the development of systematic social listening training for crisis communication and community outreach during the COVID-19 pandemic through a series of web-based workshops and to report the experiences of the workshop participants implementing the projects. Methods: A multidisciplinary team of experts developed a series of web-based training sessions for individuals responsible for community outreach or communication among linguistically diverse populations. The participants had no previous training in systematic data collection or monitoring. This training aimed to provide participants with sufficient knowledge and skills to develop a social listening system based on their specific needs and available resources. The workshop design took into consideration the pandemic context and focused on qualitative data collection. Information on the experiences of the participants in the training was gathered based on participant feedback and their assignments and through in-depth interviews with each team. Results: A series of 6 web-based workshops was conducted between May and September 2021. The workshops followed a systematic approach to social listening and included listening to web-based and offline sources; rapid qualitative analysis and synthesis; and developing communication recommendations, messages, and products. Follow-up meetings were organized between the workshops during which participants could share their achievements and challenges. Approximately 67% (4/6) of the participating teams established social listening systems by the end of the training. The teams tailored the knowledge provided during the training to their specific needs. As a result, the social systems developed by the teams had slightly different structures, target audiences, and aims. All resulting social listening systems followed the taught key principles of systematic social listening to collect and analyze data and used these new insights for further development of communication strategies. Conclusions: This paper describes an infodemic management system and workflow based on qualitative inquiry and adapted to local priorities and resources. The implementation of these projects resulted in content development for targeted risk communication, addressing linguistically diverse populations. These systems can be adapted for future epidemics and pandemics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,448
Écart entre enseignants0,353 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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