Evaluation of the readability, understandability, and actionability of COVID-19 public health messaging in Atlantic Canada
Notice bibliographique
Résumé
Introduction Effective communication of COVID-19 information involves clear messaging to ensure that readers comprehend and can easily apply behavioral recommendations. This study evaluated the readability, understandability, and actionability of public health resources produced by the four provincial governments in Atlantic Canada (New Brunswick, Newfoundland and Labrador, Nova Scotia, and Prince Edward Island). Methods A total of 400 web-based resources were extracted in June 2022 and evaluated using the Flesch-Kincaid Grade Level, CDC Clear Communication Index, and the Patient and Education Materials Assessment Tool. Descriptive statistics and a comparison of mean scores were conducted across provinces and type of resources (e.g., text, video). Results Overall, readability of resources across the region exceeded recommendations, requiring an average Grade 11 reading level. Videos and short form communication resources, including infographics, were the most understandable and actionable. Mean scores across provinces differed significantly on each tool; Newfoundland and Labrador produced materials that were most readable, understandable, and actionable, followed by New Brunswick. Discussion Recommendations on improving clarity of COVID-19 resources are described. Careful consideration in the development of publicly available resources is necessary in supporting COVID-19 knowledge uptake, while reducing the prevalence of misinformation.
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 | 0,018 | 0,007 |
| 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 | 0,000 |
| 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 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 ».