Reproductive Health Experiences Shared on TikTok by Young People: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: TikTok is a popular social media platform that allows users to create and share content through short videos. It has become a place for everyday users, especially Generation Z users, to share experiences about their reproductive health. Owing to its growing popularity and easy accessibility, TikTok can help raise awareness for reproductive health issues as well as help destigmatize these conversations. OBJECTIVE: We aimed to identify and understand the visual, audio, and written components of content that TikTok users create about their reproductive health experiences. METHODS: A sampling framework was implemented to narrow down the analytic data set. The top 6 videos from each targeted hashtag (eg, #BirthControl, #MyBodyMyChoice, and #LoveYourself) were extracted biweekly for 16 weeks (July-November 2020). During data collection, we noted video characteristics such as captioning, music, likes, and cited sources. Qualitative content analysis was performed on the extracted videos. RESULTS: The top videos in each hashtag were consistent over time; for example, only 11 videos appeared in the top 6 category for #BirthControl throughout the data collection. Most videos fell into 2 primary categories: personal experiences and informational content. Among the personal experiences, people shared stories (eg, intrauterine device removal experiences), crafts (eg, painting their pill case), or humor (eg, celebrations of the arrival of their period). Dancing and demonstrations were commonly used in informational content. CONCLUSIONS: TikTok is used to share messages on myriad reproductive health topics. Understanding users' exposure provides important insights into their beliefs and knowledge of sexual and reproductive health. The study findings can be used to generate valuable information for teenagers and young adults, their health care providers, and their communities. Producing health messages that are both meaningful and accessible will contribute to the cocreation of critical health information for professional and personal use.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».