Black Girls Run Too: A Content Analysis of the Black Girls Run National Facebook Group
Notice bibliographique
Résumé
Background Recent evidence suggests that 59%-73% of Black women are not reaching recommended targets for physical activity (PA). PA is a key modifiable lifestyle factor that can help mitigate risk for chronic diseases such as obesity, diabetes, and hypertension, which disproportionately affect Black women. Web-based communities focused on PA have been emerging in recent years as digital gathering spaces to provide support for PA in specific populations. Objective The purpose of this study was to conduct a content analysis of the Black Girls Run (BGR) Facebook page, which is devoted to promoting PA in Black women and has over 230,000 followers. Such data can inform future social media–based interventions. Methods We collected 397 posts and associated engagement data from the national BGR Facebook page for the 6-month period between June 1 and December 31, 2021. We then conducted a content analysis of these posts and examined which types of posts elicited the most engagement. Results The content analysis revealed 8 categories of posts: shout-outs (30.7%), goals or motivational posts (16.3%), announcements (15.9%), sponsored posts or advertisements (13.6%), health-related posts (11.0%), the lived Black experience posts (5.79%), self-care posts (3.78%), and holiday-related posts or greetings (2.02%). These 397 posts attracted a total of 55,573 engagements. Of these, 33,560 were “reactions” (eg, likes) and 5082 were shares. Shout-outs elicited the highest engagement (22,268 engagements), followed by goals or motivational posts (11,490 engagements). Conclusions The majority of content on the BGR Facebook page (62.9%) was focused on celebrating member achievements, motivating members to become active, and announcing and promoting active events. This content also attracted 75% of the engagement on this page. BGR appears to be a rich web-based community that offers social support for PA as well as culturally relevant health and social justice content. Web-based communities may be uniquely positioned to engage minoritized populations in health behavior. Further research should explore how to best leverage web-based communities in interventions to increase PA and other lifestyle behaviors. Conflicts of Interest None declared.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 tête enseignante, 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 ».