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.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».