Tiktoking COVID-19 with frontline workers
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.
Notice bibliographique
Résumé
Introduction/Objective: During the COVID-19 pandemic, frontline workers have taken to social media platforms to discuss a variety of issues that concern their personal and professional lives. In particular, TikTok's increased prominence as a social media channel has proved significant for enhancing the public presence of healthcare workers and their ability to disseminate content to a wider audience. The ways that healthcare workers use TikTok draws attention to the type of health information disseminated to the public through social media platforms. This provides the public with succinct and often visually entertaining information that may not be otherwise distributed to them directly from elsewhere. This study also provides relevant insights into how social media-TikTok in particular-can be used as a tool for disseminating knowledge about COVID-19 related topics and combatting misinformation by using the credibility of frontline workers. Methods: This study collected a sample of over 2100 TikTok videos posted by healthcare workers that were coded according to the dominant overarching themes. Results: The themes that arose from this sample were: (1) healthcare workers' mental health and working conditions, (2) healthcare heroes/appreciation, (3) criticism against official authorities, (4) countering misinformation, (5) humor/satire, and (6) educational content. Conclusion: Due to the rise in public appreciation for frontline workers, examining the effects of the pandemic through the eyes of frontline workers has drawn attention to their lived realities in various forms. This study provided some insight into how frontline workers use TikTok to disseminate information and education to the public, often relying on their perceived credibility.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle