MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386754959 · doi:10.2196/48641

Twitch Data in Health Promotion Research: Protocol for a Case Study Exploring COVID-19 Vaccination Views Among Young People

2023· article· en· W4386754959 sur OpenAlexvenueno aff
Brian Chau, Melody Taba, Rachael H Dodd, Kirsten McCaffery, Carissa Bonner

Notice bibliographique

RevueJMIR Research Protocols · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)VaccinationProtocol (science)2019-20 coronavirus outbreakMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Promotion (chess)Data collectionFamily medicineHealth promotionPsychologyPublic healthVirologyAlternative medicineNursingPolitical scienceSociologyOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social media platforms have emerged as a useful channel for health promotion communication, offering different channels to reach targeted populations. For example, social media has recently been used to disseminate information about COVID-19 vaccination across various demographics. Traditional modes of health communication such as television, health events, and newsletters may not reach all groups within a community. Health communications for younger generations are increasingly disseminated through social media to reflect key information sources. This paper explores a social media gaming platform as an alternative way to reach young people in health promotion research. OBJECTIVE: This protocol study aimed to pilot-test the potential of Twitch, a live streaming platform initially designed for video gaming, to conduct health promotion research with young people. We used COVID-19 vaccination as a topical case study that was recommended by Australian health authorities at the time of the research. METHODS: The research team worked with a Twitch Account Manager to design and test a case study within the guidelines and ethics protocols required by Twitch, identify suitable streamers to approach and establish a protocol for conducting research on the platform. This involved conducting a poll to initiate discussion about COVID-19 vaccination, monitoring the chat in 3 live Twitch sessions with 2 streamers to pilot the protocol, and briefly analyze Twitch chat logs to observe the range of response types that may be acquired from this methodology. RESULTS: The Twitch streams provided logs and videos on demand that were derived from the live session. These included demographics of viewers, chat logs, and polling results. The results of the poll showed a range of engagement in health promotion for the case study topic: the majority of participants had received their vaccination by the time of the poll; however, there was still a proportion that had not received their vaccination yet or had decided to not be vaccinated. Analysis of the Twitch chat logs demonstrated a range of both positive and negative themes regarding health promotion for the case study topic. This included irrelevant comments, misinformation (compared to health authority information at the time of this study), comedic and conspiracy responses, as well as vaccine status, provaccine comments, and vaccine-hesitant comments. CONCLUSIONS: This study developed and tested a protocol for using Twitch data for health promotion research with young people. With live polling, open text discussion between participants and immediate responses to questions, Twitch can be used to collect both quantitative and qualitative research data from demographics that use social media. The platform also presents some challenges when engaging with independent streamers and sensitive health topics. This study provides an initial protocol for future researchers to use and build on. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR1-10.2196/48641.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Protocole
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Étude de caslow
gptaucune catégorie
Domaine: non disponible · Genre: Protocole
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatifhigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,097
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,515

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0970,112
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0050,004
Études des sciences et des technologies0,0070,004
Communication savante0,0050,006
Science ouverte0,0040,006
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0970,022

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.

Tête enseignante Opus0,955
Tête enseignante GPT0,770
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeÉtude de cas · Qualitatif
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetSocial Media in Health Education→Travaux en français237 207→