Dementia Research Engagement on Social Media: A Content Analysis
Notice bibliographique
Résumé
Abstract Background Social media is a powerful tool for engaging diverse audiences in dementia research, especially healthy individuals who may not be actively seeking dementia research education or opportunities. However, there is little data summarizing current social media practices, content exchange, and ethical considerations in the context of dementia research. To inform ethical dementia research engagement on social media, we characterized current practices by analyzing public Facebook and Twitter posts. Method We searched for and downloaded from Facebook (2‐yr period) and Twitter (1‐yr period) all posts containing dementia research‐related keywords. We retrieved n = 7,990 Facebook posts after filtering for inclusion and exclusion criteria. The Facebook data aided the development of a machine learning model to search Twitter for dementia research‐related posts (n = 600,000). After filtering, we retrieved n = 10,000 top retweeted posts. We performed content analysis on a random sample (10%) of the Facebook and Twitter posts. Codebook development followed a qualitative manual coding strategy. Coding ceased when no new codes emerged from the data. Result The top 5 Facebook user spaces were Public groups (18%), Nonprofit organizations (18%), Medical & health (9%), Communities (8%), and Medical companies (7%). On Twitter, users with academic/research affiliations were the largest group. Sharing knowledge was the primary form of content exchange on Facebook (19%) and Twitter (21%); there were fewer research opportunities (<9%). Most posts contained linked or embedded media in the form of science news articles. Twitter likes (>100,000) were overall higher than Facebook reactions (>45,000). Although dementia ‘prevention/risk’ and ‘treatment’ were major topics for Facebook and Twitter, posts about ‘diagnostics’ had the most Facebook reactions (29%). Justice was a prominent ethics topic regarding inequalities related to race, ethnicity, culture, gender, and intersecting modes of marginalization in dementia research. Conclusion The results demonstrate the importance of social media as an engagement tool of current topics in dementia research and reveal areas of potential for increased engagement. More data is needed on the social media guidelines followed by dementia researchers, especially regarding their effectiveness and contextual application. The next project phase will use these data to inform the development of a consensus on best practices in this area.
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 | 0,017 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».