Environmental scan of social media usage among Ontario public health units
Notice bibliographique
Résumé
Social media is a relatively novel way to send and express information to a large number of people at one time. Public health units (PHUs) have started to use this forum, but there has been almost no research done on how it is being used and if the way information is presented is effective. Engagement is one way to track if something posted on a social media website is being disseminated effectively to the intended audience. If a post has a low level of engagement this means that less people saw it and read the information regardless of how many times it was posted or how much work was put into the post. This article summarizes an environmental scan completed to assess engagement from all Ontario’s PHUs’ usage of social media from January 1, 2020, to June 30, 2020. The social media platforms assessed in this scan are Facebook, Instagram, Twitter, YouTube, Tiktok, Pinterest, and Reddit. All social media platforms except Reddit are being used by PHUs in Ontario. Twenty-nine PHUs have their own social media profiles, and five have their profiles included in their municipality’s. Engagement varies by region and platform, but in general increased posting (especially on Twitter and Facebook) had a small negative effect on engagement. Posting less often but with more original or creative content leads to better engagement. Increased follower counts also accounted for higher engagement across all platforms. PHUs would best use their resources to increase follower count and post less often and include more personalized posts to effectively spread their information.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 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 ».