Creating a social media strategy for an international cardiothoracic research network: a scoping review
Notice bibliographique
Résumé
AIMS: A cardiac surgery international nursing and allied professional research network titled CONNECT was created to strengthen collaborative cardiac surgery research through shared initiatives including supervision, mentorship, workplace exchange programs, and multi-site clinical research. As with any new initiative, there is a need to build brand awareness to enhance user familiarity, grow membership, and promote various opportunities offered. Social media has been used across various surgical disciplines; however, their effectiveness in promoting scholarly and academic-based initiatives has not been examined. The aim of this scoping review was to examine the different types of social media platforms and strategies used to promote cardiac research initiatives for CONNECT. METHODS AND RESULTS: A scoping review was undertaken in which a comprehensive and thorough review of the literature was performed. Fifteen articles were included in the review. Twitter appeared to be the most common form of social media used to promote cardiac initiatives, with daily posts being the most frequent type of engagement. Frequency of views, number of impressions and engagement, link clicks, and content analysis were the most common types of evaluation metrics that were identified. CONCLUSION: Findings from this review will inform the design and evaluation of a targeted Twitter campaign aimed at increasing brand awareness of CONNECT, which will include the use of @CONNECTcardiac Twitter handle, hashtags, and CONNECT-driven journal clubs. In addition, the use of Twitter to disseminate information and brand initiatives related to CONNECT will be evaluated using the Twitter Analytics function. REGISTRATION: Open Science Framework: osf.io/q54es.
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 | 0,073 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».