Hot Topic: A Systematic Review and Content Analysis of Heat-Related Messages During the 2021 Heat Dome in Canada
Notice bibliographique
Résumé
CONTEXT: During the summer of 2021, western Canada experienced a deadly heat event. From the first heat alert to postevent reporting, thousands of media articles were published that reference the heat event. However, a gap remains in understanding how this communication chain-from the release of a public heat alert to information shared through media outlets to the public-currently operates to disseminate heat-related messaging across Canada. OBJECTIVE: To understand the role of digital media in delivering heat-health messaging during an extreme heat event in Canada. DESIGN: A qualitative content analysis was conducted using Canadian news articles published on the 2021 Heat Dome between June 2021 and February 2022 (n = 2909). The coding frame was designed to align with the basic framework for information gathering used in journalism (who, what, where, when, and how) and included both concept-driven and data-driven codes. RESULTS: Overall, 2909 unique media articles discussing the 2021 Heat Dome were identified, with the majority (74%) published by online news agencies (how). The highest article count was on June 29, 2021 (n = 159), representing 5% of the total data set (n = 2909) spanning 260 days (when); 57% of the identified locations were in British Columbia (where). Although we found that the top voices providing media-based heat-health messages are government officials (who), only 23% of articles included heat-health messaging that aligns with the government health alert bulletins released during extreme heat. In addition, heat-health messaging frequently included contradictory content, inconsistent language, or incorrect advice (what). CONCLUSION: The findings demonstrate clear opportunities to improve health communication related to extreme heat, perhaps most importantly, including updates to mass media messaging educating the public on heat-protective behaviors.
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 | 0,020 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,031 | 0,040 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».