Understanding your audience: The influence of social media user‐type on informational behaviors and hazard adjustments during <scp>Hurricane Dorian</scp>
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
Abstract In 2019, Hurricane Dorian affected Atlantic Canada with widespread impacts across the region. In the days preceding landfall, there was a great deal of discussion about the storm and its potential impacts. This discussion also extended onto Twitter, which provided a platform for users to engage with storm‐related information. In this research, we disseminated a questionnaire to residents of Atlantic Canada from late September to late October through Qualtrics , an online survey provider. The questionnaire explored how Twitter influenced respondents' ( n = 1218) self‐reported informational behaviors (i.e., searching, sharing, and processing) and behavioral responses before, during, and after the storm. The results demonstrate that users' informational needs and preferences were closely related to their online behaviors. For example, conduits (i.e., those who both searched for and shared information) were highly proactive users who disseminated information about evacuations, recommended protective actions, and other official guidance more so than others. Conduits were also the most likely to heed official guidance in terms of their own preparedness and response. Amplifiers (i.e., those who only share information) and consumers (i.e., those who only search for information) were also motivated to take action by information they saw online, albeit at lower rates than conduits. Lastly, the results demonstrate that users can be positively influenced by information they see online even if they do not actively engage with it. Taken together, the results of this study suggest that Twitter users may interact with storm‐related information in more nuanced and complex ways than previously understood.
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 | 0,001 | 0,001 |
| 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 | 0,002 | 0,001 |
| 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 découle