MétaCan
Menu
Retour à la cohorte
Enregistrement W4282588375 · doi:10.3389/fpubh.2022.807459

Does Citizen Engagement With Government Social Media Accounts Differ During the Different Stages of Public Health Crises? An Empirical Examination of the COVID-19 Pandemic

2022· article· en· W4282588375 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Public Health · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensDalhousie University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSocial Science Foundation of Shaanxi ProvinceNational Social Science Fund of ChinaNatural Science Foundation of Shaanxi ProvinceNational Natural Science Foundation of China
Mots-clésDialogicGovernment (linguistics)Social mediaPublic relationsPandemicPolitical sciencePublic healthPsychologyMedicineCoronavirus disease 2019 (COVID-19)Nursing

Résumé

récupéré en direct d'OpenAlex

Background: The COVID-19 pandemic has created one of the greatest challenges to humankind, developing long-lasting socio-economic impacts on our health and wellbeing, employment, and global economy. Citizen engagement with government social media accounts has proven crucial for the effective communication and management of public health crisis. Although much research has explored the societal impact of the pandemic, extant literature has failed to create a systematic and dynamic model that examines the formation mechanism of citizen engagement with government social media accounts at the different stages of the COVID-19 pandemic. This study fills this gap by employing the Heuristic-Systematic Model and investigating the effects of the heuristic clues including social media capital, information richness, language features, dialogic loop, and the systematic clue including content types, on citizen engagement with government social media across three different stages of the pandemic, employing the moderating role of emotional valence. Methods: The proposed model is validated by scraping 16,710 posts from 22 provincial and municipal government micro-blog accounts in the Hubei province, China. Results: Results show that the positive effects of social media capital on citizen engagement were observed at all stages. However, the effects of information richness, language features, dialogic loop, and content types, and the moderating effect of emotional valence, varied across the different pandemic development stages. Conclusions: The findings provide suggestions for the further effective use of government social media, and better cope with crises. Government agencies should pay attention to the content and form of information shared, using technical means to analyze the information needs of citizens at different stages of public health emergencies, understanding the content most concerned by citizens, and formulating the content type of posts.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,132
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,117
Tête enseignante GPT0,355
Écart entre enseignants0,238 · 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